t e s i sgrupo-ioa.atmosfera.unam.mx/images/archivos_portal/tesis/... · 2019-09-05 · a mi...
TRANSCRIPT
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO
PROGRAMA DE POSGRADO EN CIENCIAS DE LA TIERRA
VARIABILIDAD ACOPLADA ENTRE EL VIENTO Y LA TEMPERATURA
SUPERFICIAL DEL MAR EN EL CARIBE Y EL GOLFO DE MÉXICO
T E S I S
QUE PARA OPTAR POR EL GRADO DE:
DOCTORA EN CIENCIAS DE LA TIERRA
P R E S E N T A
GEIDY RODRÍGUEZ VERA
Tutora:
Dra. Rosario Romero Centeno
Centro de Ciencias de la Atmósfera UNAM
Comité Tutor:
Dr. Víctor M. Mendoza Castro
Centro de Ciencias de la Atmósfera UNAM
Dr. Christopher L. Castro
Universidad de Arizona
Ciudad de México, junio de 2019
Agradecimientos
Este sueño ha sido posible gracias a muchas personas e instituciones. En primer lugar,
quiero agradecer a la Dra. Rosario Romero Centeno, mi tutora, por acompañarme en este
largo camino y apoyarme siempre. Al Dr. Jorge Zavala por confiar en mí desde el primer día.
Gracias a la UNAM y al CONACYT por darme la oportunidad de superarme en un postgrado
de excelencia.
Agradezco al Fondo Sectorial CONACyT - SENER - Hidrocarburos, proyecto 201441 por
brindar financiamiento para la culminación de esta investigación y para la publicación del
artículo derivado de ella. Esta es una contribución del Consorcio de Investigación del Golfo
de México (CIGoM).
Al Dr. Víctor Manuel Mendoza y el Dr. Christopher Castro, miembros de mi Comité Tutor,
por su guía sabia y certera durante estos años de arduo trabajo.
También quiero expresar mi sincero agradecimiento a la Dra. Paulina Ordoñez, el Dr.
Bradford Barrett y el Dr. Pedro Ribera, quienes, en calidad de jurado, contribuyeron con
valiosas observaciones a esta memoria de tesis. En particular, agradezco al Dr. Pedro Ribera
por recibirme en la Universidad Pablo de Olavide y hacer que mi estancia académica en
Sevilla fuera muy provechosa e inspiradora.
Quiero plasmar mi infinito agradecimiento a dos bellas personas, compañeros de
carreras, amigos incondicionales, dispuestos a escucharme y ayudarme en todo momento.
Ovel gracias por tus enseñanzas y consejos. Juliet, hermanita de la vida, gracias por estar
siempre a mi lado, para todo.
A los integrantes de la gran familia que es el Grupo Interacción Oceáno-Atmósfera, con
quienes he aprendido mucho y he compartido momentos inolvidables en el ámbito académico
y fuera de él. Extiendo este agradecimiento al Centro de Ciencias de la Atmósfera, mi hogar
durante esta larga travesía, y a México, mi segunda patria.
A mi querida familia, por apoyarme y brindarme su amor gigante, que acorta distancias.
En especial a mis ángeles guardianes, mis padres. A mi hermana Wendy, por siempre estar
ahí para mí.
A mi madrina, amiga y hermana Ismeldis, que siempre tiene la solución para todos los
problemas. Por su alegría, entusiasmo y fuerza.
A mi amado esposo, Lázaro, por entregarse también en cuerpo y alma a esta tesis, y a
mi vida. Por su motivación, paciencia, sacrificios y esperanzas cuando más los he necesitado.
Por demostrarme que no hay sueños imposibles.
Declaro conocer el Código de Ética de la Universidad Nacional Autónoma de
México, plasmado en la Legislación Universitaria. Con base en las definiciones de
integridad y honestidad ahí especificadas, aseguro mediante mi firma al calce que el
presente trabajo es original y enteramente de mi autoría. Todas las citas de, o
referencias a la obra de otros autores aparecen debida y adecuadamente señaladas,
así como acreditadas mediante los recursos editoriales convencionales.
Resumen
En este trabajo se investigan los modos de variabilidad acoplada entre el campo
de viento a 10m y la temperatura superficial del mar en el Mar Caribe y el Golfo de
México (CS&GM), a escala interanual. A partir del análisis de correlaciones canónicas
entre las anomalías mensuales de estas dos variables para el período 1982-2016, se
identificaron cuatro tipos de modos acoplados: el modo de Dipolo (marzo-abril), el
modo de Transición (mayo-junio), el modo Interoceánico (julio-octubre), y el modo de
Viento Meridional (noviembre-febrero). Los resultados muestran que El Niño-
Oscilación del Sur (ENSO) influye en los modos acoplados más importantes en el
CS&GM, excepto en el modo de Transición. Además, la Oscilación del Atlántico Norte
(NAO) presenta, en invierno, una fuerte correlación negativa con los modos de Dipolo
y de Transición, particularmente en el mes de febrero. Las relaciones antisimétricas
encontradas entre el modo de Dipolo y los índices de la NAO y el ENSO confirman
evidencias previas sobre la competencia de los forzamientos remotos de ambos
eventos de teleconexión en la variabilidad del Atlántico Norte tropical. La precipitación
en el Mar Caribe y en las áreas oceánicas y terrestres adyacentes es sensible a los
principales modos de variabilidad acoplada entre el viento y la temperatura superficial
del mar, especialmente durante el período lluvioso. El modo Interoceánico parece
estar fuertemente relacionado con la variabilidad interanual de la sequía de medio
verano y la migración meridional de la Zona de Convergencia Intertropical en el
Pacífico oriental. Los resultados de esta investigación pueden ser usados para
mejorar pronósticos climáticos estacionales en la región del CS&GM y las áreas
terrestres circundantes.
Contenido
1 INTRODUCCIÓN .................................................................................................. 1
1.1 Circulación atmosférica en el Atlántico Norte tropical ..................................... 1
1.1.1 Anticiclón Subtropical del Atlántico Norte ............................................... 3
1.1.2 Chorro de niveles bajos del Caribe ......................................................... 5
1.1.3 Piscina cálida del hemisferio occidental ................................................. 7
1.2. Variabilidad climática y patrones de teleconexión .......................................... 8
1.2.1 Variabilidad climática .............................................................................. 9
1.2.2 Teleconexiones .................................................................................... 10
i) La Oscilación del Atlántico Norte ........................................................... 11
ii) El Niño-Oscilación del Sur ..................................................................... 14
1.3 Acoplamiento entre el océano y la atmósfera ............................................... 18
1.4 Región de estudio y sus características climáticas ....................................... 19
1.5 Preguntas de investigación, hipótesis y objetivos ......................................... 21
2 DATOS ............................................................................................................... 23
2.1 Vientos a 10 metros: CFSR .......................................................................... 23
2.2 Temperatura superficial del mar: OISST ....................................................... 23
2.3 Precipitación: CHIRPS y ERA-Interim ........................................................... 24
2.4 Índices de ENSO y la NAO ........................................................................... 25
3 MÉTODOS .......................................................................................................... 27
3.1 Promedios mensuales y anomalías estandarizadas ..................................... 27
3.2 Análisis de correlación canónica ................................................................... 28
3.3 Significancia estadística de los modos acoplados ........................................ 35
3.4 Mapas de varianza local explicada ............................................................... 36
3.5 CCAI y correlación con los índices de teleconexión ..................................... 36
3.6 Precipitación asociada a los modos acoplados............................................. 37
4 RESULTADOS Y DISCUSIÓN ........................................................................... 39
4.1 Variabilidad estacional del campo de viento y la SST .................................. 39
4.2 Patrones de precipitación en el CS&GM y zonas adyacentes ..................... 41
4.3 Patrones de variabilidad acoplada entre el viento y la SST ......................... 43
4.4 Clasificación de los principales modos de variabilidad acoplada ................. 53
4.5 Conexiones con ENSO y la NAO ................................................................. 60
4.6 Respuesta de la precipitación a la variabilidad acoplada océano-atmósfera 65
5 CONCLUSIONES............................................................................................... 73
6 REFERENCIAS .................................................................................................. 79
7 ANEXOS ............................................................................................................ 93
ANEXO I ............................................................................................................. 93
ANEXO II ............................................................................................................ 94
Lista de Figuras
Figura 1. Esquema de la circulación general de la atmósfera. Fuente: Programa
COMET (2019).
Figura 2. Modelo conceptual de la circulación de Walker mundial, promediada de
diciembre a febrero. Fuente: NOAA Climate.gov (2019).
Figura 3. Figura 3. Climatología mensual de la SLP (hPa) en el período 1948-2001.
Fuente: Romero-Centeno et al. (2003).
Figura 4. Anomalías mensuales de la SLP (hPa) con respecto al promedio de verano
(junio-septiembre). Fuente: Romero-Centeno (2007).
Figura 5. Componente zonal del viento (m/s) en 925 hPa para el mes de julio,
promediada en el período 1982-2016. La zona de vientos máximos indica la ubicación
del CLLJ. Fuente: Elaboración a partir de datos del reanálisis NCEP/NCAR.
Figura 6. Variaciones estacionales de: a) viento zonal (m/s) en el nivel de 925 hPa,
b) precipitación (mm/día), c) anomalías de la SLP respecto a 1010 hPa (hPa), y d)
SST (°C), cerca de la región del CLLJ. Fuente: Wang (2007).
Figura 7. Compuesto de SST de los eventos más cálidos en la WHWP durante julio-
septiembre para los años: 1987, 1997, 1998, 2005, 2010, 2015 y 2016. La zona
sombreada representa valores por encima de 28.5°C. El intervalo de los contornos
es de 0.5°C.
Figura 8. Esquema de la NAO y algunos de sus impactos en el clima: a) fase positiva,
b) fase negativa. Las letras H y L, indican la ubicación del centro de alta y de baja
presión, respectivamente. Los colores rojos (violetas) indican altas (bajas) presiones.
Se representan las anomalías positivas (sombreado azul) y negativas (sombreado
amarillo) de precipitación, las trayectorias de las tormentas (flechas blancas), y el
campo de vientos (vectores) asociados. Fuente: Agencia Estatal de Meteorología
(2019).
Figura 9. Mapa de correlación (en porcentaje) de las series mensuales de anomalías
de la altura geopotencial a 700hPa y la serie de tiempo de la NAO para cada mes
especificado, considerando datos del período 1981-2010. Fuente: Centro de
Predicciones Climáticas de la NOAA (2019).
Figura 10. Esquema de las condiciones oceánicas y atmosféricas en el Pacífico
tropical durante condiciones normales, El Niño y La Niña. Fuente: Sheinbaum (2003).
Figura 11. Región de estudio: Mar Caribe y Golfo de México (CS&GM). Mapa
generado en ArcGIS con información base de ESRI a partir de datos de Earthstar
Geographics.
Figura 12. Valores mensuales del ONI (izquierda) y del NAOI (derecha) para el
período 1982-2016.
Figura 13. Porcentaje de la varianza explicada por los diez primeros modos
resultantes del análisis CEOF aplicado al campo de viento (línea azul) y del análisis
EOF aplicado a la temperatura superficial del mar (línea roja), para los 12 meses del
año.
Figura 14. Climatología mensual de SST (°C) (contornos de color) y vientos a 10m
(vectores) en la región de estudio: a) enero, b) febrero, c) marzo, d) abril, e) mayo, f)
junio, g) julio, h) agosto, i) septiembre, j) octubre, k) noviembre, l) diciembre. En la
Fig. 11a, las letras T y P indican la ubicación de los Golfos de Tehuantepec y
Papagayo, respectivamente.
Figura 15. Climatologías de la precipitación mensual (mm/día) de la base CHIRPS, y
viento medio a 10m (vectores) obtenido del CFSR, para el período 1982-2016: a)
enero, b) febrero, c) marzo, d) abril, e) mayo, f) junio, g) julio, h) agosto, i) septiembre,
j) octubre, k) noviembre y l) diciembre.
Figura 16. Resultados de las pruebas de significancia estadística para la SC total del
CCA para cada mes. El asterisco rojo indica el valor real del estadístico y en negro
se representan los valores obtenidos con los experimentos de Monte Carlo.
Figura 17. Resultados de las pruebas de significancia estadística para la SC de los
cinco modos obtenidos en el CCA para cada mes. El asterisco rojo indica el valor real
de la SC, y en negro se representan los valores obtenidos con los experimentos de
Monte Carlo.
Figura 18. Mapas de correlación heterogénea del primer modo acoplado para cada
mes. Los colores y las flechas indican las anomalías de SST (°C) y viento (m/s),
respectivamente, proyectadas sobre los CCV. Los mapas comienzan en marzo (a) y
finalizan en febrero (l).
Figura 19. Ídem a la Fig. 18, pero para el segundo modo acoplado de cada mes.
Figura 20. CCV del campo de viento (línea azul) y de SST (línea roja)
correspondientes al primer modo acoplado de cada mes, desde marzo a febrero.
Figura 21. Ídem a la Fig. 20, pero para el segundo modo acoplado de cada mes.
Figura 22. CCAI para cada mes durante el período 1982-2016. En el eje horizontal
están representados los 12 meses, comenzando en marzo del año señalado en el eje
vertical y concluyendo en febrero del año siguiente (mes + 1).
Figura 23. Varianza local (%) de la SST, la componente zonal (U), y la componente
meridional (V) del viento que es explicada por los CCV del primer modo para marzo
(a, c, e) y abril (b, d, f), respectivamente. Los valores positivos (líneas continuas,
relleno rojo) o negativos (líneas discontinuas, relleno azul) corresponden al signo de
la correlación. En color blanco, los valores entre -20 y 20. El intervalo entre los
contornos es de 2 unidades.
Figura 24. Ídem a la Figura 23, pero para los meses de mayo (a, c, e) y junio (b, d,
f).
Figura 25. Ídem a la Figura 23, pero para los meses de julio (a, b, c) y agosto (d, e,
f).
Figura 26. Ídem a la Figura 23, pero para los meses de septiembre (a, c, e) y octubre
(b, d, f).
Figura 27. Ídem a la Figura 23, pero para los meses de noviembre (a, c, e) y diciembre
(b, d, f).
Figura 28. Ídem a la Figura 23, pero para los meses de enero (a, c, e) y febrero (b,
d, f).
Figura 29. Correlaciones con retraso entre las series de tiempo para los cuatro modos
de acoplamiento identificados y los índices mensuales: ONI (a), y NAOI (b). Las líneas
discontinuas horizontales indican los niveles de significancia del 95% (= ± 0.33). La
línea vertical indica el fin del año anterior (Año - 1) y el inicio del año actual (Año 0)
para las correlaciones con el índice correspondiente.
Figura 30. Series de tiempo de los índices NAOI y ONI para el trimestre enero-marzo
(EFM) y del modo de Dipolo.
Figura 31. Fases del modo de Dipolo (marzo-abril) en función del ONI y del NAOI
para el mes de febrero previo, de 1982 a 2016. Las líneas discontinuas marcan los
umbrales para las fases positivas y negativas del ONI y el NAOI. El 10% de los
eventos más positivos y de los más negativos del Dipolo se han coloreado en rojo y
azul, respectivamente.
Figura 32. Porcentajes de aumento (valores positivos) o disminución (valores
negativos) de la precipitación y anomalías del campo de viento asociados con el modo
acoplado principal en: a) noviembre, b) diciembre, c) enero, d) febrero, e) marzo y f)
abril.
Figura 33. Ídem a la Figura 32, pero para los meses de: a) mayo, b) junio, c) julio, d)
agosto, e) septiembre y f) octubre.
Figura 34. Esquema de las configuraciones de anomalías de viento-SST acopladas
para los modos de Dipolo, de Transición, Interoceánico y de Viento Meridional. SST
+ (-) indica anomalías de SST positivas (negativas) y el tamaño de fuente simboliza
la intensidad relativa de estas anomalías. La línea discontinua divide regiones de
diferentes signos de anomalías de SST. Las flechas indican la dirección de las
anomalías del viento.
Lista de Tablas
Tabla 1. Suma de la varianza explicada (%) por los primeros seis modos del análisis
CEOF del viento y los primeros cinco modos del análisis EOF de la SST, para cada
mes del año.
Tabla 2. Coeficientes de correlación canónica (r) y fracciones de covarianza
cuadrática (SCF) expresadas en porcentaje, de los cinco modos del CCA para cada
mes.
Tabla 3. Porcentaje de varianza de la SST y las componentes zonal y meridional del
viento que es explicada por el primer modo del CCA en cada mes.
Lista de Acrónimos
En esta tesis se utilizarán acrónimos en inglés, debido a que la mayoría de los
términos utilizados son más conocidos por sus siglas en ese idioma.
Acrónimo Significado en inglés Traducción al español
CA Central America Centroamérica
CCA Canonical correlation analysis Análisis de correlación canónica
CCAI Canonical correlation index Índice de correlación canónica
CCV Canonical correlation vectors Vectores de correlación canónica
CEOF Combined empirical orthogonal functions
Funciones empíricas ortogonales combinadas
CFSR Climate Forecast System Reanalysis
CHIRPS Climate Hazards Group InfraRed Precipitation with Station
CLLJ Caribbean low level jet Chorro de niveles bajos del Caribe
CS Caribbean Sea Mar Caribe
CS&GM Caribbean Sea and Gulf of Mexico Mar Caribe y Golfo de México
ENSO El Niño-Southern Oscillation El Niño-Oscilación del Sur
EOF Empirical orthogonal functions Funciones empíricas ortogonales
GM Gulf of Mexico Golfo de México
HCM Heterogeneous correlation maps Mapas de correlación heterogénea
ITCZ Intertropical Convergence Zone Zona de Convergencia Intertropical
LEV Local explained variance Varianza local explicada
MCA Maximum covariance analysis Análisis de máxima covarianza
MSD Mid-summer drought Sequía de medio verano
NAO North Atlantic Oscillation Oscilación del Atlántico Norte
NAOI North Atlantic Oscillation Index Índice de la Oscilación del Atlántico Norte
NASH Subtropical North Atlantic High Anticiclón Subtropical del Atlántico Norte
NOAA National Oceanic and Atmospheric Administration
Administración Nacional Oceánica y Atmosférica
OISST NOAA Optimum Interpolation SST
ONI Oceanic Nino Index Índice Oceánico de El Niño
PC Principal components Componentes principales
SLP Sea level pressure Presión a nivel del mar
SC Squared covariance Covarianza cuadrática
SCF Squared covariance fraction Fracción de covarianza cuadrática
SST Sea surface temperature Temperatura superficial del mar
SSTA Sea surface temperatura anomalies Anomalías de temperatura superficial del mar
SVD Singular value decomposition Descomposición en valores singulares
TNA Tropical North Atlantic Atlántico Norte tropical
WHWP Western hemisphere warm pool Piscina cálida del hemisferio occidental
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
1
1 INTRODUCCIÓN
La circulación atmosférica determina en gran medida las características
climatológicas de una región, cuya variabilidad está estrechamente relacionada con
procesos de carácter tanto regional como global. En este capítulo se revisan aspectos
teóricos y del estado del arte acerca de la circulación atmosférica y la variabilidad
interanual, de gran importancia para el desarrollo de la presente investigación.
Además, se definen la región de estudio y sus características climáticas, así como las
hipótesis y los objetivos del trabajo.
1.1 Circulación atmosférica en el Atlántico Norte tropical
La región tropical comprendida por el Mar Caribe y el Golfo de México (CS&GM)
resulta muy interesante en términos de las características climáticas a escala
sinóptica y de su variabilidad intraestacional e interanual. Esta región se localiza en
la porción occidental de la cuenca del Atlántico Norte tropical (TNA).
En el contexto de la circulación general de la atmósfera, el CS&GM se encuentra
dentro del cinturón de las altas presiones subtropicales y la celda esquemática de
Hadley del hemisferio norte (Fig. 1), provocada por el calentamiento meridional
diferencial. En esta celda el aire asciende en la Zona de Convergencia Intertropical
(ITCZ; Philander et al. 1996) de los vientos alisios del norte y del sur,
aproximadamente sobre los 5°N, aunque esta posición suele tener fluctuaciones
estacionales muy relacionadas con las circulaciones monzónicas de verano e
invierno. En altura, los vientos ascendentes asociados con la celda de Hadley se
dividen en dos ramas dirigidas hacia los polos (Fig.1) y descienden sobre los
cinturones de alta presión, los cuales tienen sus centros de acción en los océanos
alrededor de los 30° de latitud norte y sur, donde es más intensa la subsidencia (Oort
y Yienger 1996). La intensidad y posición de los centros de alta presión subtropicales
y de la ITCZ, se hallan muy vinculadas a la intensidad de la circulación de la celda de
Hadley (Tanaka et al. 2004).
1 Introducción
2
Figura 1. Esquema de la circulación general de la atmósfera. Fuente: Programa COMET (2019).
En el TNA, los alisios acumulan calor y humedad del océano hacia la porción
occidental de la cuenca. Este flujo hacia el oeste en superficie forma parte del modelo
conceptual de circulación de Walker (Fig. 2), el cual permite comprender el
comportamiento climático en los océanos cerca del Ecuador, como, por ejemplo, la
desigual distribución zonal de temperatura y humedad. Este patrón de circulación
refuerza la convección tropical profunda y la precipitación en la región del CS&GM.
Figura 2. Modelo conceptual de la circulación de Walker mundial, promediada de diciembre a febrero. Fuente: NOAA Climate.gov (2019).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
3
A continuación, abordaremos los elementos de la circulación atmosférica más
importantes sobre la cuenca occidental del Atlántico Norte y, en particular, sobre el
CS&GM.
1.1.1 Anticiclón Subtropical del Atlántico Norte
La región del CS&GM se encuentra bajo la influencia de la dorsal suroccidental
del Anticiclón Subtropical del Atlántico Norte (NASH), un sistema cuasi-permanente
de la circulación atmosférica que impone vientos alisios en superficie sobre la región.
La marcha anual del NASH muestra un sistema más intenso en verano, que se
localiza desplazado hacia el oeste con respecto a las condiciones de invierno (Fig.
3). En julio, el patrón de anomalías de la presión a nivel del mar (SLP) con respecto
al patrón promedio de verano (Fig. 4), presenta una franja de anomalías positivas
sobre el Atlántico que se extiende del nordeste hacia el suroeste, penetra hacia el
Golfo de México y llega hasta las costas del Pacífico mexicano. Este patrón favorece
la subsidencia sobre el CS&GM, así como la intensificación del flujo del este sobre el
Caribe (Romero-Centeno 2007).
Figura 3. Climatología mensual de la SLP (hPa) en el período 1948-2001.
Fuente: Romero-Centeno et al. (2003).
1 Introducción
4
Figura 4. Anomalías mensuales de la SLP (hPa) con respecto al promedio de verano (junio-septiembre). Fuente: Romero-Centeno (2007).
En la escala estacional, la máxima elongación hacia el oeste del NASH durante
el medio verano ha sido relacionada con el fenómeno de la canícula o sequía de
medio verano (MSD; Mosiño y García 1966; Amador et al. 2016). Romero-Centeno
(2007), partiendo de datos satelitales diarios de viento del escaterómetro QSCAT
para un período de aproximadamente siete años, expuso la relación que existe entre
la circulación de verano y la precipitación en el sur de México y Centroamérica (CA).
Curtis y Gamble (2008), también apoyándose en datos del QSCAT y de estimaciones
satelitales de la precipitación para la región del Mar Caribe (CS), observaron que un
incremento en la presión y la divergencia en superficie durante el mes de julio
favorece el desarrollo de MSDs intensas sobre la región delimitada por Jamaica,
Cuba y la península de Yucatán.
La intensificación y desplazamiento hacia el oeste del NASH generan un
incremento del gradiente meridional de presión en el Caribe occidental y vientos
alisios intensos. Este flujo del este se refuerza hacia el interior del CS, formando el
chorro de niveles bajos del Caribe (Amador 1998; Amador y Magaña 1999). Las
características fundamentales de este jet se describen en el siguiente apartado.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
5
1.1.2 Chorro de niveles bajos del Caribe
El chorro de niveles bajos del Caribe (CLLJ) consiste en un máximo - superior a
11m/s- del viento zonal del este en la troposfera baja del Caribe, alrededor de los
15°N con 75°W (Amador 1998; Amador y Magaña 1999; Wang 2007; Whyte et al.
2008). La ubicación del CLLJ se puede apreciar en la Figura 5, que describe la
componente zonal del viento en el nivel de 925hPa para el mes de julio, cuando el
CLLJ puede alcanzar una rapidez mayor a 13m/s. Este chorro de vientos o jet se
divide en dos ramas: una que se dirige hacia el oeste cruzando América Central y
otra que gira hacia el norte. Esta última continúa hacia los Estados Unidos a través
del Golfo de México; es de esperar, entonces, que el flujo meridional en esta región
cambie de acuerdo con la variabilidad estacional e interanual del CLLJ.
Figura 5. Componente zonal del viento (m/s) en 925 hPa para el mes de julio, promediada en el período 1982-2016. La zona de vientos máximos indica la ubicación del CLLJ.
Fuente: Elaboración a partir de datos del reanálisis NCEP/NCAR.
El CLLJ fluctúa semianualmente, con dos máximos –en verano e invierno– y dos
mínimos –en otoño y primavera– (Fig. 6a). La intensidad del CLLJ varía según la
posición y la intensidad del NASH, especialmente durante los meses de verano
(Romero-Centeno et al. 2003; Cook y Vizy 2010). La intensidad y el desplazamiento
este-oeste del NASH influyen en el gradiente de presión superficial en el CS y en la
rapidez de los vientos alisios. En la región del CS, asociado al viento máximo de
1 Introducción
6
verano, se observa un mínimo relativo en la precipitación conocido como MSD (Fig.
6b), un máximo en la SLP (Fig. 6c), y un mínimo en la ciclogénesis tropical (Wang
2007). Asimismo, en la región del CLLJ, la intensificación de los vientos es
consistente con SSTs relativamente más frías; mientras que su debilitamiento se
asocia con SSTs más cálidas (Figs. 6a, 6d). Estas relaciones evidencian el
acoplamiento entre la atmósfera y el océano en la región del CS. Al respecto, Wang
(2007) plantea que el NASH sirve como puente para relacionar la variabilidad del
CLLJ con fenómenos climáticos importantes, como El Niño-Oscilación del Sur
(ENSO), la Oscilación del Atlántico Norte (NAO) y la variabilidad del TNA.
Figura 6. Variaciones estacionales de: a) viento zonal (m/s) en el nivel de 925 hPa, b) precipitación
(mm/día), c) anomalías de la SLP respecto a 1010 hPa (hPa), y d) SST (°C), cerca de la región del
CLLJ. Fuente: Wang (2007).
Las variaciones estacionales del gradiente de presión y de los alisios en el
CS&GM también se vinculan con la generación de otros jets, como los de
Tehuantepec, Papagayo y Panamá. Estos jets son fuertes vientos generados a
sotavento de interrupciones en la Sierra Madre Oriental, el primero, y en la Cordillera
Centroamericana, los dos últimos. El jet de Tehuantepec se produce debido a una
diferencia de presión entre el Golfo de México y el Pacífico oriental, relacionada con
el desplazamiento de altas presiones provenientes de latitudes medias durante el
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
7
invierno, cuando el jet es más intenso; mientras que a mitad del verano está asociada
a la elongación hacia el oeste del NASH. Por su parte, los jets de Papagayo y Panamá
se ven más afectados por las variaciones de los alisios del Caribe y, en consecuencia,
del CLLJ (Romero-Centeno 2007).
1.1.3 Piscina cálida del hemisferio occidental
La región del CS&GM se enmarca, además, dentro de la zona geográfica
conocida como piscina cálida del hemisferio occidental (WHWP), caracterizada por
SSTs superiores a 28.5°C a finales del verano (Wang y Enfield 2001; Wang 2004).
La Figura 7 muestra el compuesto de SST para los siete años más extremos de la
WHWP durante el período 1982-2016, según el índice de la WHWP para el trimestre
julio-septiembre disponible en el sitio web de la División de Ciencias Físicas
ESRL/NOAA (2019). La WHWP se extiende desde el océano Pacífico nororiental
hasta el Golfo de México, el Caribe y la mitad occidental del TNA. Según Wang y
Enfield (2003), la WHWP tiene un amplio ciclo estacional y las fluctuaciones
interanuales de su extensión espacial son comparables con su variación anual.
Figura 7. Compuesto de SST de los eventos más cálidos en la WHWP durante julio-septiembre para los años: 1987, 1997, 1998, 2005, 2010, 2015 y 2016. La zona sombreada representa valores por
encima de 28.5°C. El intervalo de los contornos es de 0.5°C.
1 Introducción
8
La WHWP es un componente crítico del clima de verano en la región del Caribe
y sus alrededores. Constituye una importante fuente de humedad que favorece la
precipitación convectiva en las islas del Caribe, CA y el sur de México (Mestas-Nuñez
et al. 2007; Wang 2007; Durán-Quesada et al. 2010). Está asociada con la actividad
de huracanes en el Pacífico nororiental y el Atlántico, y con la precipitación desde el
norte de Sudamérica hasta el sur de los Estados Unidos.
Wang y Enfield (2001) encontraron evidencia observacional de una
retroalimentación positiva entre la atmósfera y el océano en la WHWP durante el
verano y el otoño, y sugieren que dicha retroalimentación ocurre a través de la
radiación de onda larga. Estos autores sostienen, además, que la extensión de la
WHWP y las anomalías de SST (SSTA) en su interior están claramente influenciadas
por el ENSO. Del mismo modo, investigaciones recientes han señalado la influencia
potencial de la WHWP en regiones remotas (Park et al. 2018).
Wang y Enfield (2003) muestran que durante el período 1950-1999 ocurrieron
cinco eventos significativos en la WHWP, la mayoría de los cuales alcanzó su fase
madura durante el verano boreal después de un evento de El Niño en el Pacífico
ecuatorial. Sin embargo, la ocurrencia de grandes anomalías cálidas en el Pacífico
no siempre garantiza que se desarrolle un evento significativo en la región de la
WHWP. Se necesitan más estudios para comprender por qué se desarrollan piscinas
cálidas extremadamente anómalas al año siguiente de ciertos eventos de El Niño en
el Pacífico, pero no en otros.
1.2. Variabilidad climática y patrones de teleconexión
Este estudio está enmarcado dentro del campo de la variabilidad climática
natural, específicamente a escala interanual. Por tal motivo, resulta indispensable
revisar conceptos claves sobre esta temática, en particular aquellos vinculados con
fenómenos y conceptos que serán utilizados más adelante.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
9
1.2.1 Variabilidad climática
El sistema climático está formado por cinco componentes físicos: la atmósfera, la
hidrosfera, la criosfera, la litosfera y la biosfera. Estos componentes interaccionan a
través de flujos de energía, masa y momento. El comportamiento global del sistema
climático está sujeto a factores permanentes como la radiación solar incidente (que
varía con la latitud), la distribución de tierra y cuerpos de agua, así como la topografía.
Otros factores pueden ser la esfericidad de la tierra y su rotación. Existe un exceso
de energía radiativa recibida en los trópicos con respecto a la que reciben las latitudes
medias y los polos. Esta desigual distribución es la causa básica de casi todos los
procesos termodinámicos que ocurren dentro del sistema climático, incluyendo las
circulaciones generales de la atmósfera y los océanos (Peixoto y Oort 1984).
La variabilidad climática refleja la ocurrencia de patrones del tiempo y sistemas
de circulación atmosférica con distinta frecuencia y duración. En otras palabras, se
podría considerar la variabilidad climática como una combinación de muchas
oscilaciones atmosféricas con distintas escalas temporales (diaria, sinóptica,
intraestacional, estacional, interanual, interdecadal). Es de interés de la presente
investigación profundizar en el estudio de las variaciones de la circulación atmosférica
que tienen lugar de un año a otro.
En general, los cambios en la atmósfera tienden a preceder a las fluctuaciones
oceánicas en latitudes medias y altas. Se considera que la variabilidad interanual del
clima en latitudes medias refleja principalmente la lenta respuesta del océano al
forzamiento impuesto por la variabilidad atmosférica ocurrida en escalas de tiempo
mucho más cortas, como la sinóptica. En los trópicos, los cambios tienden a estar
más en fase, debido a la sensibilidad de la atmósfera a la convección húmeda
desencadenada por altas temperaturas superficiales del mar (Vuille y Garreaud
2011).
La variabilidad climática en la cuenca del TNA tiene importantes conexiones con
otras partes del mundo, como los trópicos globales y las regiones de latitudes altas
(Hurrell et al. 2006). Además, la cuenca occidental del Atlántico Norte está claramente
influenciada por la variabilidad del Pacífico ecuatorial (Curtis y Hastenrath 1995;
Enfield y Mayer 1997; Czaja et al. 2002; Huang et al. 2002). En la siguiente sección
1 Introducción
10
se define el concepto de teleconexiones y se describen los eventos de teleconexión
que se tomarán en cuenta en relación con la variabilidad climática interanual del
CS&GM.
1.2.2 Teleconexiones
En la primera mitad del siglo XX, algunos científicos comenzaron a identificar
variaciones en la circulación atmosférica de gran escala, que ocurrían
simultáneamente con otros fenómenos oscilatorios a miles de kilómetros de distancia
(Walker 1923; Walker y Bliss 1932). Más adelante, otros autores introdujeron el
término “patrón de teleconexión” para describir fluctuaciones atmosféricas o
climáticas persistentes, como respuesta a forzamientos remotos (Ångström 1935;
Bjerknes 1969).
En efecto, las teleconexiones son distintos modos de variabilidad de baja
frecuencia, que típicamente incluyen dos o más sistemas de acción y se correlacionan
significativamente con anomalías climáticas en áreas remotas. Estos patrones
reflejan una parte importante de la variabilidad interanual e interdecadal de la
circulación atmosférica. Para describir sus características se han empleado diferentes
técnicas de clasificación y análisis espacial (Kutzbach 1970; Wallace y Gutzler 1981;
Barnston y Livezey 1987; Mo y Ghil 1987). Entre las más usadas sobresalen el
análisis de correlación y el análisis de componentes principales, en ocasiones
combinado con técnicas de clúster.
Barnston y Livezey (1987) identificaron los principales patrones de la variabilidad
interanual en el hemisferio norte mediante un análisis de funciones empíricas
ortogonales rotadas, aplicado a las series mensuales de altura geopotencial en
700hPa. Estos autores describen la estacionalidad y persistencia de 13 patrones de
teleconexión, de los cuales nueve son prominentes durante el invierno, dos en el
verano y otros dos durante estaciones de transición. La NAO fue el único patrón de
teleconexión evidente en todos los meses del año y que siempre emergió entre los
primeros eigenvalores.
Gran parte de la variabilidad interanual en el CS&GM parece estar asociada con
el forzamiento climático originado en otras partes del mundo (p. ej., Curtis y
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
11
Hastenrath 1995; Enfield y Mayer 1997; Giannini et al. 2000; George y Saunders
2001; Czaja et al. 2002). George y Saunders (2001) han comprobado que el modo
dominante de la variabilidad del viento en el invierno tropical del Atlántico Norte está
representado por la NAO. Además, existe evidencia científica de que el CLLJ varía
en fase con la NAO y tiene una relación opuesta con el ENSO en invierno y verano
(Wang 2007; Amador 2008). Según Giannini et al. (2001) aunque el ENSO y la NAO
parecen ser mecanismos independientes que impulsan la variabilidad del clima, su
influencia se superpone en el TNA.
Por su importancia para esta investigación, a continuación se presenta una breve
revisión teórica y referencial de la NAO y del ENSO, así como de su influencia en la
variabilidad de la circulación atmosférica sobre el TNA, especialmente en su porción
noroccidental, donde se encuentra el CS&GM.
i) La Oscilación del Atlántico Norte
Como ya mencionamos, la NAO es un modo de variabilidad interna de la
atmósfera y constituye uno de los patrones del hemisferio norte más prominentes y
recurrentes en todas las estaciones del año (Barnston y Livezey 1987). Consiste en
un dipolo norte-sur de anomalías de presión a nivel del mar, con un centro de baja
presión en las inmediaciones de Islandia y otro de alta presión cerca de las islas
portuguesas Las Azores, este último estrechamente relacionado con el NASH (Fig.
8). La NAO afecta tanto los vientos como la SST en el TNA (p. ej., Sutton et al. 2000;
George y Saunders 2001; Czaja et al. 2002). El comportamiento estacional de la NAO
indica que, durante el invierno, este patrón de anomalías resulta más intenso y
aumenta su cobertura espacial (Fig. 9).
Durante la fase positiva de la NAO, ambos centros de acción se fortalecen y
generan un aumento en la rapidez de los vientos superficiales del oeste en el Atlántico
Norte y de los vientos del este en el Atlántico subtropical (Fig. 8). Las anomalías del
viento zonal se extienden a través de toda la troposfera y alcanzan valores máximos
en la troposfera superior (Wang 2004). La fase positiva de la NAO presenta un patrón
asociado de SSTA en el Atlántico Norte, principalmente en invierno. También
conocido como tripolo del Atlántico (Sutton y Allen 1997; Rodwell et al. 1999), este
1 Introducción
12
patrón se caracteriza por anomalías de SST frías en el Atlántico Noroccidental y el
Atlántico Norte y anomalías cálidas en el Atlántico medio, entre las dos regiones más
frías. Este enfriamiento en el Atlántico Norte resulta consistente con el patrón de los
vientos zonales que, al intensificarse, incrementan el flujo de calor latente y, como
consecuencia, se enfría la superficie marina. La fase negativa refleja patrones
opuestos de las anomalías de presión, de alturas geopotenciales, vientos y SST.
Figura 8. Esquema de la NAO y algunos de sus impactos en el clima: a) fase positiva, b) fase negativa. Las letras H y L, indican la ubicación del centro de alta y de baja presión, respectivamente. Los colores rojos (violetas) indican altas (bajas) presiones. Se representan las anomalías positivas
(sombreado azul) y negativas (sombreado amarillo) de precipitación, las trayectorias de las tormentas (flechas blancas), y el campo de vientos (vectores) asociados. Fuente: Agencia Estatal de
Meteorología (2019).
Durante períodos positivos de la NAO, junto con las anomalías de vientos antes
mencionadas y el patrón asociado de SSTA, se fortalecen tanto la circulación de
Ferrel como la de Hadley. La estrecha relación con estas celdas de la circulación
general sugiere que las circulaciones meridionales y los movimientos verticales
también son importantes para la NAO (Wang 2004).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
13
Enero Abril Julio Octubre
Figura 9. Mapa de correlación (en porcentaje) de las series mensuales de anomalías de la altura geopotencial a 700hPa y la serie de tiempo de la NAO para cada mes especificado, considerando
datos del período 1981-2010. Fuente: Centro de Predicciones Climáticas de la NOAA (2019).
La NAO tiene una gran influencia sobre la variabilidad climática desde el oriente
de Norteamérica hasta Europa, especialmente durante el invierno boreal. La
temperatura del aire en superficie y la SST en amplias regiones del Océano Atlántico
Norte, América del Norte, el Ártico, Eurasia y el Mediterráneo se correlacionan
significativamente con la variabilidad de la NAO. Ambas fases de la NAO se asocian
también con cambios en las trayectorias de las tormentas, la intensidad y localización
del chorro del Atlántico Norte, y los patrones normales de transporte de calor y
humedad (Fig. 8; Hurrell 1995; Hurrell et al. 2003). Sin duda, sus efectos impactan
directa e indirectamente al medio ambiente y la sociedad en general.
Si bien los vínculos más evidentes de la NAO con la variabilidad climática se
encuentran en latitudes medias y altas, sus teleconexiones también afectan al
Atlántico tropical. La intensificación del sistema de alta presión de Las Azores, que se
produce bajo una NAO positiva, trae consigo vientos alisios más fuertes y
desplazamientos anómalos del NASH y de la ITCZ hacia el Ecuador. Como
consecuencia, se pueden producir sequías meteorológicas en algunas zonas del
CS&GM y sus alrededores (Giannini et al. 2000; 2001; Jury et al. 2007).
Giannini et al. (2000) indican que la NAO presenta una correlación inversa con la
precipitación en el Caribe. Sin embargo, Fonseca (2008) demuestra que, para el caso
particular de Cuba, las correlaciones entre el índice de la NAO y las series de lluvia
no son estadísticamente significativas. En cambio, los flujos zonales sobre la región
1 Introducción
14
manifiestan un mayor nivel de asociación con la NAO, principalmente en el período
poco lluvioso.
Por su parte, Rodríguez-Tobar et al. (2015) no encontraron una fuerte conexión
entre la NAO y las series de SSTA en la cuenca del Caribe colombiano. Romero-
Centeno et al. (2004) tampoco percibieron una relación evidente entre la NAO y
anomalías en los vientos de Tehuantepec, pero sugieren que existen ciertos vínculos
de este régimen de vientos con el campo de presión en el Atlántico Norte. Más
recientemente, Curtis y Gamble (2016) proponen una hipótesis que vincula la
precipitación en el Caribe y la Oscilación Madden-Julian, utilizando a la NAO como
puente para relacionar ambos procesos.
Algunos estudios plantean que las fluctuaciones del CLLJ manifiestan una
relación inversa con la NAO de modo que el fortalecimiento del gradiente de presión
en el Atlántico entre sus dos centros de acción coincide con un CLLJ intenso y
viceversa (Wang 2007; Maldonado 2016a). Tales anomalías del viento en el CS
están, a su vez, vinculadas a las variaciones de la SST. No obstante, hay que
mencionar que el CLLJ también muestra fuertes correlaciones con otros fenómenos
teleconectivos: el Patrón Pacífico-Norte América y el ENSO (Maldonado 2015). Por
otro lado, Giannini et al. (2001) apuntan que la influencia del ENSO sobre el Caribe
puede explicarse, en gran medida, en términos de la interacción de los efectos
independientes de la NAO y el ENSO, que se solapan en esta región.
Finalmente, se puede afirmar que la NAO explica solamente una fracción de la
variabilidad climática del CS&GM a pesar de ser considerada como el patrón
dominante del Atlántico Norte (Hurrell et al. 2003). El análisis de la literatura permite
concluir que para poder explicar con mayor claridad la influencia de la NAO en la
cuenca del CS&GM es necesaria una visión integral que considere otros procesos de
teleconexión y de circulación regional.
ii) El Niño-Oscilación del Sur
La Oscilación del Sur consiste en variaciones de la intensidad del gradiente entre
las altas presiones que regularmente se observan en el sudeste del Pacífico y las
bajas presiones sobre Indonesia. Cuando este gradiente este-oeste de presión es
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
15
pequeño, los alisios se debilitan, propiciando la expansión hacia el este de las aguas
cálidas superficiales del Pacífico ecuatorial y su profundización; lo cual impacta en la
inclinación de la termoclina (Fig. 10). Por tal motivo, se habla de un fenómeno
oceánico-atmosférico acoplado, conocido como El Niño-Oscilación del Sur. El Niño
se refiere a la componente oceánica y la Oscilación del Sur a la componente
atmosférica.
Figura 10. Esquema de las condiciones oceánicas y atmosféricas en el Pacífico tropical durante condiciones normales, El Niño y La Niña. Fuente: Sheinbaum (2003).
La existencia de aguas más cálidas en el Pacífico central y oriental deviene una
fuente de calor y humedad que, en ausencia de los vientos alisios fuertes, provoca
áreas de convección profunda y precipitaciones mucho más al este de lo normal. De
manera tal que se presentan lluvias intensas en regiones donde climáticamente no
llueve mucho, y la lluvia escasea sobre áreas donde la precipitación normalmente es
abundante (Ropelewski y Halpert 1996). Un evento ENSO, por lo general, alcanza su
fase madura durante el invierno del hemisferio norte, cuando el flujo atmosférico del
oeste también se encuentra en su máximo.
La fase opuesta de este fenómeno ha sido denominada La Niña o fase fría, que
se caracteriza por un incremento en los vientos del este y un mayor enfriamiento de
las aguas del Océano Pacífico Ecuatorial central y oriental; es decir, los patrones
anómalos se invierten (Fig. 10). La física del ENSO y las características de los
patrones asociados a las distintas fases de este fenómeno son descritas en detalle
por Sheinbaum (2003).
1 Introducción
16
ENSO resulta el factor de forzamiento remoto más claramente relacionado con la
variabilidad climática de la SST en la región del Atlántico tropical (Melice y Servain
2003). Durante eventos cálidos en el Pacífico se debilita el gradiente meridional de
presión en el Atlántico Norte (Curtis y Hastenrath 1995), lo cual puede conducir a una
disminución de la rapidez de los vientos alisios, de la evaporación y del arrastre del
viento, procesos que favorecen el calentamiento de las aguas superficiales antes
mencionado. Enfield y Mayer (1997) encontraron una fuerte correlación entre la fase
cálida del ENSO y SSTA en el TNA entre los 10° y 20°N; estas anomalías muestran
un retraso de 3 a 5 meses respecto a las observadas en el Pacífico. Asimismo, se ha
demostrado que la influencia del ENSO en el TNA es mayor durante la primavera
subsecuente de un evento ENSO que alcanza su fase madura en invierno (Enfield y
Mayer 1997; Giannini et al. 2000; Wang 2004).
Una de las teorías más empleada para explicar los efectos del ENSO sobre el
Atlántico plantea la existencia de un “puente troposférico” a través de las circulaciones
de Walker y Hadley para transferir las SSTA de ENSO al sector del Atlántico (Klein et
al. 1999). En cuanto a los efectos del ENSO sobre la región del Atlántico Norte
occidental y CA se ha llegado al consenso de que la respuesta de distintas variables
a este forzamiento remoto muestra una alta dependencia estacional.
Según Enfield (1989), las mayores variaciones interanuales de las lluvias en los
trópicos se atribuyen al ENSO. Diversos autores (p. ej., Enfield y Mayer 1997;
Giannini et al. 2001; Alvarado y Fernández 2001) han señalado la influencia del ENSO
en variables y eventos hidrometeorológicos que afectan el Caribe noroccidental,
como Gray (1984), quien asocia la disminución de huracanes en el Atlántico con la
fase cálida del ENSO. Usando datos de reanálisis y radiosondeos en Costa Rica,
Amador y Alfaro (1996) determinaron que la respuesta del viento en niveles bajos a
eventos cálidos de ENSO se manifiesta en un debilitamiento de los alisios en los
meses que climatológicamente son más intensos (p. ej., febrero); mientras que se
intensifican en aquellos meses que climatológicamente presentan vientos más
débiles (p. ej., septiembre).
En la región del CS, el comportamiento invernal del viento ante la señal del ENSO
tiene su origen en el menor gradiente de presión que se establece entre Norteamérica
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
17
y el Trópico, particularmente debido al sistema anómalo de baja presión que se forma
fuera de la costa sureste de Estados Unidos, una de las teleconexiones mejor
definidas durante la fase positiva o cálida de ENSO (Wallace y Gutzler 1981; Klein et
al. 1999). En el verano, la intensificación de los alisios tiene su origen en el
fortalecimiento del CLLJ y de la mayor amplitud y desplazamiento hacia el suroeste
del NASH (Wang 2007).
Romero-Centeno et al. (2003) sostienen que la rapidez media del viento y la
frecuencia de los Nortes que alcanzan el extremo sur del Istmo de Tehuantepec en
México, evidencian una señal del ENSO: valores más altos durante años El Niño que
en años La Niña. El incremento en el número de Nortes ocasiona un descenso de la
temperatura en la región, al aumentar el tránsito de masas de aire continentales en
la zona. Similar comportamiento durante el clima invernal obtiene Hernández (2002)
al analizar la asociación entre los incrementos del arribo de frentes fríos a Cuba y los
años con presencia de El Niño. Las variables meteorológicas más importantes que le
acompañan, como temperatura del aire, presión atmosférica y lluvia también
experimentan variaciones con respecto a su media histórica.
En el caso de México, el impacto de ENSO ha sido estudiado por Magaña et al.
(2003) y Vázquez-Aguirre (2007), quienes plantean que durante inviernos de El Niño
se observan más lluvias en el noroeste de México, pero éstas disminuyen en el Istmo
de Tehuantepec. La señal de El Niño en verano se aprecia a través de anomalías
negativas de precipitación en la mayor parte del país. En cambio, bajo períodos de
La Niña, la precipitación en México puede estar cercana a los valores climatológicos
o por encima de la media. Según estos mismos autores, la disminución de la
precipitación que se observa durante El Niño está asociada a mecanismos tales como
una subsidencia reforzada por causa de un desplazamiento hacia el sur de la ITCZ y
un menor número de ciclones tropicales en los mares interamericanos.
Ruiz y Bernal (2009) estudiaron la variabilidad espacio temporal de los vientos en
la cuenca Colombia donde se encuentra el CLLJ. Sus resultados son coherentes con
los obtenidos por Amador y Alfaro (1996), Mora y Amador (2000), Alvarado y
Fernández (2001) y Wang (2007), quienes subrayan que las teleconexiones del
ENSO en el Caribe son opuestas durante el verano y el invierno. Anomalías cálidas
1 Introducción
18
en el Pacífico tropical en invierno debilitan el CLLJ, pero durante el verano lo
intensifican, debido a que el ENSO en invierno induce anomalías de presión negativas
en el NASH, mientras que en verano estas anomalías son positivas. En cuanto a la
componente meridional del viento en la región donde se desarrolla el CLLJ, Mora y
Amador (2000) no encontraron una respuesta a eventos ENSO que pueda ser
considerada significativa. Wang (2007) también demostró que el CLLJ varía en
frecuencias más altas que el ENSO (1.25 y 2.3 años). Ello supone que no sólo el
forzamiento remoto del ENSO domina la variabilidad interanual en la región.
Los diferentes estudios revisados coinciden en que la respuesta al evento ENSO,
dependiente de las estaciones, no necesariamente es opuesta entre años La Niña y
años El Niño. Los patrones asociados a cada fase pueden tener disímiles
comportamientos. Además, existen otros fenómenos simultáneos locales o
estacionales que en determinados casos presentan señales que podrían contribuir o
bloquear en cierta medida el forzamiento del ENSO.
1.3 Acoplamiento entre el océano y la atmósfera
El acoplamiento océano-atmósfera en el TNA ha sido investigado en múltiples
estudios mediante el cálculo de modos de covariabilidad climática (p. ej., Servain y
Legler 1986; Frankignoul y Kestenare 2005; Handoh et al. 2006; Maldonado et al.
2017). En particular, existe amplia evidencia de un fuerte acoplamiento entre
variables oceánicas y atmosféricas en el CS&GM en escalas de tiempo estacionales
e interanuales (Enfield y Alfaro 1999; Cook y Vizy 2010; Amador et al. 2010; Chang y
Oey 2013).
Por ejemplo, durante julio, el máximo relativo del CLLJ coincide con la presencia
de la MSD y con una disminución de la ciclogénesis tropical en el CS. Para explicar
este comportamiento se han propuesto dos mecanismos acoplados entre el océano
y la atmósfera: a) el CLLJ incrementa el flujo divergente de humedad en el Caribe,
suprimiendo la convección y disminuyendo la precipitación, lo que inhibe la formación
de ciclones tropicales (Wang 2007); y b) la alta cizalladura vertical en julio contrarresta
la organización de la convección profunda, lo cual disminuye la precipitación y la
formación de ciclones tropicales en este mes (Amador et al. 2010).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
19
Utilizando un análisis de descomposición en valores singulares, Enfield y Alfaro
(1999) sugieren que las anomalías de precipitación en el CS y CA están relacionadas
con la SSTA en los océanos Atlántico y Pacífico. Por su parte, Giannini et al. (2000)
emplearon una técnica de análisis de correlación canónica (CCA) para investigar las
relaciones entre la precipitación, la presión del nivel del mar y la SST con respecto a
la variabilidad interanual del clima en el CS y CA. Las conclusiones, respaldadas por
estudios anteriores (Alfaro 2007; Maldonado y Alfaro 2010, 2011; Fallas-López y
Alfaro 2012; Maldonado et al. 2013, 2016b, 2017), indican fuertes acoplamientos
entre la SST, la circulación atmosférica y la precipitación en la región del CS&GM y
sus alrededores.
1.4 Región de estudio y sus características climáticas
El dominio seleccionado para este estudio se encuentra entre 9°-31°N y entre
100°-60°W (Fig. 11). Abarca el Golfo de México y el Mar Caribe, donde se encuentran
las Grandes Antillas como la Isla de Cuba y La Española (Haití y República
Dominicana), así como las Antillas Menores. En sus alrededores se localizan regiones
continentales como la Florida, parte de México, CA y la porción más septentrional de
América del Sur. También incluye parte del océano Atlántico Norte y el Pacífico
oriental adyacente a Centroamérica.
El período de estudio abarca de 1982 a 2016, para el cual se tiene disponibilidad
de datos de calidad, como se detallará en el Capítulo 2. Este período de años se
considera suficiente para capturar información relevante sobre la variabilidad
climática a escala interanual en la región de estudio.
Los procesos de la circulación atmosférica que influyen en la zona tropical del
CS&GM presentan una variabilidad estacional que permite reconocer dos períodos
distintos. Durante el período lluvioso, de mayo a octubre, la región se encuentra
sometida a la influencia del NASH, que impone vientos del NE al SE a través de su
dorsal. La profundización de los alisios del este en la región homogeneiza la masa de
aire en la vertical, principalmente durante los meses de julio y agosto. En esta época
destaca la influencia de sistemas migratorios como las ondas del este, las tormentas
1 Introducción
20
tropicales y los huracanes (Lecha et al. 1987; Serra et al. 2010). Estos últimos tienen
una importante incidencia en la generación de vientos fuertes y precipitaciones
intensas.
Figura 11. Región de estudio: Mar Caribe y Golfo de México (CS&GM). Mapa generado en ArcGIS con información base de ESRI a partir de datos de Earthstar Geographics.
El debilitamiento de los alisios en la vertical, el desplazamiento del centro
anticiclónico al sudeste y la disminución de su extensión e intensidad, junto con la
penetración de los vientos del oeste hacia latitudes tropicales, determinan el
comienzo de otro período, menos lluvioso que el anterior, que se extiende de
noviembre a abril. Durante estos meses las condiciones tropicales son sustituidas por
la actividad frontal, la influencia de sistemas extratropicales de baja presión y de altas
presiones continentales asociadas a masas de aire frío (Lecha et al. 1987; González
1999). Los anticiclones continentales migratorios imponen un régimen de vientos del
NW al NE que pueden ser intensos, alcanzando más de 20m/s. Estos vientos se
conocen como Nortes y pueden persistir por algunos días ocasionando considerables
descensos de temperatura (Osorio-Tai 2015).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
21
1.5 Preguntas de investigación, hipótesis y objetivos
En este estudio exploramos la naturaleza variable del acoplamiento viento-SST a
escala interanual en el CS&GM, partiendo de las siguientes preguntas de
investigación: ¿cuáles son los principales modos acoplados viento-SST en el CS&GM
a lo largo del año?, ¿estos modos acoplados están siendo modulados por algunos
patrones de gran escala?, ¿cómo se relaciona el acoplamiento océano-atmósfera
regional con el clima del CS&GM y áreas adyacentes?
Por lo tanto, las hipótesis de este trabajo son:
▪ El acoplamiento viento-SST en el GM&CS a escala interanual y su naturaleza
variable puede ser descrito a través de modos dominantes de variabilidad
climática.
▪ Parte de la variabilidad interanual acoplada viento-SST en el GM&CS puede
ser explicada por algunos patrones de teleconexión como ENSO y la NAO.
▪ A su vez, las variaciones de estos dos campos acoplados pueden tener un
impacto notable en la precipitación regional.
Siguiendo nuestras hipótesis de trabajo y para responder a las preguntas de
investigación hemos trazado los siguientes objetivos:
▪ Identificar y describir los principales modos de variabilidad acoplada entre el
viento en niveles bajos y la SST a escala interanual, para todos los meses del
año.
▪ Investigar la posible relación de los patrones identificados con procesos de
teleconexión como ENSO y la NAO.
▪ Examinar el impacto que pueden tener los patrones de acoplamiento viento-
SST en la precipitación regional, especialmente durante el verano y los meses
de MSD.
1 Introducción
22
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
23
2 DATOS
Las principales variables involucradas en la presente investigación son el viento
en superficie, la SST y la precipitación. En este capítulo se describen las diversas
fuentes de datos que se emplearon para la obtención de dichas variables, así como
de los índices climáticos utilizados.
2.1 Vientos a 10 metros: CFSR
El Centro Nacional de Investigación Atmosférica y el Centro Nacional de
Predicción Ambiental (NCAR/NCEP, por sus siglas en inglés), ambos pertenecientes
a la NOAA, desarrollaron el Climate Forecast System Reanalysis (CFSR; Saha et al.
2010, 2014). Este reanálisis fue diseñado y ejecutado como un sistema global
acoplado atmósfera-océano-tierra-hielo de alta resolución para proporcionar la mejor
estimación del estado de estos componentes. Muchos de los errores detectados en
la recolección de datos observacionales, y en la ejecución de las versiones de
reanálisis anteriores elaborados por NCEP/NCAR, se corrigieron en el CFSR. Por
ejemplo, las observaciones satelitales se usaron en forma de radiancias, es decir,
antes de que se apliquen algoritmos de recuperación de información, a fin de reducir
incertidumbres en el proceso (Saha et al. 2010).
El CFSR ofrece información de distintas variables atmosféricas y oceánicas, con
diferentes resoluciones espaciales y temporales, desde 1979 hasta el presente. El
relativamente largo alcance temporal del CFSR lo hace apropiado para estudios
sobre variabilidad climática interanual. En esta investigación se utilizan las
componentes zonal y meridional del viento a 10m, con una resolución espacial de
0.5° y un intervalo de tiempo de 6 horas.
2.2 Temperatura superficial del mar: OISST
Los datos de SST empleados en este trabajo provienen del producto de análisis
de alta resolución NOAA Optimum Interpolation SST (OISST; Reynolds et al. 2007),
desarrollado por el Centro Nacional de Datos Climáticos de la NOAA. OISST
2 Datos
24
incorpora datos de los sensores satelitales AVHRR (Advanced Very High Resolution
Radiometer), también utiliza datos in situ de buques y boyas e incluye un ajuste a
gran escala de los sesgos satelitales con respecto a los datos in situ. El período de
datos diarios disponibles se extiende desde septiembre de 1981 hasta la actualidad,
con una resolución espacial de 0.25°.
2.3 Precipitación: CHIRPS y ERA-Interim
Los datos de precipitación se obtienen del Climate Hazards Group InfraRed
Precipitation with Station (CHIRPS; Funk et al. 2015). CHIRPS es un conjunto de
datos de precipitación en una malla casi global (50°N-50°S), disponibles desde 1981
hasta el presente, con distintas escalas temporales. Para los intereses de esta
investigación se utilizan las series de los promedios mensuales de precipitación.
CHIRPS incorpora imágenes satelitales con datos de estación in situ para crear un
producto de precipitación de resolución espacial de 0.05°. Para los análisis
seleccionamos un dominio más amplio que la región de estudio: entre 0°-40°N y 110°-
50°W, que incluye áreas continentales circundantes al CS&GM, el noreste del
Pacífico tropical y el Atlántico tropical occidental.
La base de datos CHIRPS proporciona una mayor resolución espacial en relación
con otros productos de precipitación global. Esto es importante para regiones como
CA, donde la precipitación está muy influenciada por la orografía (Waylen et al. 1996;
Maldonado et al. 2016b). CHIRPS ha demostrado un buen desempeño dentro de
América Latina en comparación con observaciones de estaciones meteorológicas,
por ejemplo, en Colombia y Venezuela (Verdin et al. 2016; Paredes-Trejo et al. 2016).
Asimismo, Perdigón-Morales et al. (2018) mostraron que CHIRPS reproduce
razonablemente bien las principales características climatológicas de la precipitación
en México, incluida la MSD.
Por otro lado, ERA-Interim es un reanálisis global de última generación con datos
desde 1979 hasta el presente, desarrollado por el Centro Europeo de Previsiones
Meteorológicas a Plazo Medio. Era-Interim presenta mejorías con respecto a Era-40,
la generación anterior de este modelo, por ejemplo, en la asimilación de
observaciones in situ de la lluvia acumulada y la representación de los procesos
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
25
físicos como el ciclo hidrológico (Dee et al. 2011). Los productos de precipitación de
Era-Interim son ampliamente utilizados en estudios de variabilidad climática. Para
comparar con los resultados de CHIRPS, en este estudio utilizamos datos mensuales
de precipitación del producto Monthly Means of Daily Forecast Accumulations from
the ERA-Interim Project, interpolados a una cuadrícula con resolución de 0.125°.
2.4 Índices de ENSO y la NAO
Para describir y monitorear el estado, la evolución y tendencias de los distintos
patrones de teleconexión se utilizan índices que se construyen mediante diversas
técnicas. En este trabajo empleamos el Oceanic Nino Index (ONI) y el North Atlantic
Oscillation Index (NAOI) como indicadores de la variabilidad de ENSO y la NAO,
respectivamente. Dichos índices se encuentran disponibles en el sitio web del Centro
de Predicciones Climáticas de la NOAA.
El ONI se genera con las medias móviles de 3 meses de las anomalías de la
temperatura superficial del mar (Huang et al. 2015) en la región El Niño 3.4 (5°N-5°S,
120°W-170°W). Estas anomalías se calculan respecto a la media climatológica de 30
años centrados sobre períodos de 5 años; es decir, el período base se actualiza cada
5 años a fin de eliminar los efectos de la tendencia hacia el calentamiento que ha
experimentado el Pacífico tropical. Por convención, cuando estas anomalías son
iguales o mayores a 0.5°C durante cinco períodos consecutivos, se presenta un
episodio cálido de ENSO (El Niño); si son iguales o menores a -0.5°C, se considera
un episodio frío (La Niña).
El NAOI se obtiene mediante un análisis de funciones empíricas ortogonales
rotadas, aplicado a las series mensuales de anomalías de la altura geopotencial a
500mb en el hemisferio norte entre los 20°N y 90°N. Las anomalías están
estandarizadas con base en el período 1950-2000. Para determinar las fases de la
NAO, los valores mensuales del NAOI por encima (debajo) del segundo (primer) tercil
para el período de 1950 a 2016 se definen como positivos (negativos), de acuerdo
con Lee et al. (2008). El NAOI también sirve como un proxy para la variabilidad de la
NASH.
En la Figura 12 se muestran ambos índices mensuales para el período de estudio.
2 Datos
26
Las series de tiempo presentan una alta variabilidad interanual, con alternancia de
valores positivos y negativos, y ciclos de varios años donde predomina una de las
fases. El índice ONI evidencia como ENSO puede permanecer varios meses en la
misma fase y no presentar cambios tan bruscos de un mes a otro. En el caso de la
serie del NAOI, a partir de la década de 1980 se observa un predominio de la fase
positiva y sus valores mensuales presentan una gran variabilidad (Fig. 12). Al analizar
la distribución de la energía espectral de la NAO, Hurrell et al. (2003) encontraron que
no existe una escala de variabilidad preferente en la serie de tiempo. Por tanto, los
cambios en fase y amplitud de la NAO son, en gran medida, impredecibles (Hurrell et
al. 2003; 2006).
Figura 12. Valores mensuales del ONI (izquierda) y del NAOI (derecha) para el período 1982-2016.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
27
3 MÉTODOS
En este capítulo se explica el procesamiento estadístico realizado con las bases
de datos antes descritas. En primer lugar, se expone cómo se homogeneizaron las
resoluciones espacio-temporales de las variables, y cómo se calcularon las series
mensuales de los promedios y anomalías estandarizadas. En segundo lugar, se
detalla el método estadístico empleado para el estudio del acoplamiento interanual
viento-SST, el análisis de correlación canónica (CCA), incluyendo una descripción de
las matrices de entrada, las intermedias y de cómo se interpretan y visualizan los
resultados de este análisis. Asimismo, se incluye una breve descripción del método
utilizado para evaluar la significancia estadística del CCA. Por último, se explican las
técnicas utilizadas para investigar la relación de los modos acoplados del CCA con
los índices de teleconexión NAOI y ONI, y con la precipitación regional.
3.1 Promedios mensuales y anomalías estandarizadas
La primera etapa del procesamiento de las bases de datos de las componentes
zonal y meridional del viento, SST y precipitación utilizadas en este estudio consistió
en preparar las series de los promedios mensuales para el período 1982-2016. Como
los datos de viento y SST tienen diferentes resoluciones espaciales y se pretendía
realizar un análisis de la variabilidad acoplada entre ambas variables, se decidió
ajustar los datos de SST a una malla común con resolución de 0.5° en el dominio
comprendido por la región de estudio (ver la Fig. 11). Los datos de viento cada 6
horas se transformaron a promedios diarios para tener la misma resolución temporal
que el resto de los datos originales. Luego, se obtuvieron los promedios mensuales
para todas las variables a partir de los datos diarios.
Debido a la distribución no uniforme de los puntos en las mallas rectangulares de
latitud y longitud, previo al análisis, los datos se ponderaron mediante un coeficiente
que depende de la latitud. Por consiguiente, en cada punto de malla los datos se
multiplicaron por una función de peso que tiene la siguiente forma:
𝑃𝑒𝑠𝑜 = √cos(𝐿𝑎𝑡𝑖𝑡𝑢𝑑)
3 Métodos
28
Las series de tiempo de los promedios mensuales de viento y SST se filtraron
utilizando una media móvil de tres meses, con el objetivo de capturar patrones
persistentes en su variabilidad interanual. Los promedios de precipitación no fueron
filtrados debido a que la marcha anual de esta variable en la región es muy marcada
y el interés era estudiar el impacto del acoplamiento viento-SST, a escala interanual,
en el comportamiento estacional de la precipitación, por ejemplo, en el patrón bimodal
durante el período lluvioso sobre gran parte de la región y zonas continentales
aledañas. La tendencia lineal de las series de tiempo fue eliminada mediante un
ajuste por mínimos cuadrados, restando la función resultante a los datos.
Posteriormente, se separaron las series para cada mes en matrices independientes,
de manera tal que sus dimensiones corresponden al número de puntos de malla en
el dominio por los 35 años del período 1982-2016 (ver la sección 3.2).
Partiendo de las series de promedios mensuales, se calcularon las medias
climatológicas para el período de estudio. En la sección 4.1 se describen las
climatologías obtenidas para el viento, la SST y la precipitación. Usando estos
valores, las matrices de los promedios mensuales se transformaron en anomalías
estandarizadas, restando la media climatológica y dividiendo entre la desviación
estándar para cada punto de malla. Estas matrices serán esenciales para los cálculos
posteriores, en especial el CCA, el cual se explica a continuación.
3.2 Análisis de correlación canónica
Los métodos de análisis multivariado son ampliamente utilizados en el estudio de
la covariabilidad de campos geofísicos (Wilks 2006). Dentro de estos métodos se
encuentran el análisis de máxima covarianza (MCA) y el CCA (Barnett y Preisendorfer
1987; Bretherton et al. 1992), los cuales son extensiones de los análisis conocidos
como funciones empíricas ortogonales (EOF). El MCA identifica pares de patrones
espaciales y sus correspondientes series de tiempo mediante una descomposición
en valores singulares de la matriz de covarianzas entre dos campos. Las bases de
datos de entrada deben compartir al menos una dimensión, por ejemplo, el tiempo.
El CCA consiste en aplicar un análisis de EOF seguido de un MCA. El análisis de
EOF se utiliza para truncar los datos de entrada; luego, el MCA se aplica para
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
29
encontrar patrones acoplados usando los datos truncados. Los datos de entrada se
truncan con el fin de reducir la alta variabilidad de muestreo en los patrones del CCA
(Wallace et al. 1992; von Storch y Zwiers 2002; Wilks 2006).
En esta investigación, se implementó un método de CCA para explorar el
acoplamiento entre las fluctuaciones interanuales del viento y la SST en el CS&GM.
Por ende, antes de considerar los patrones de variabilidad acoplados entre el viento
y la SST, primero se realizó un análisis de EOF de forma independiente a ambos
campos. El análisis EOF del viento incluye las componentes del viento zonal y
meridional en la misma matriz. Esta técnica se conoce como análisis de componentes
principales (PC) simultáneos o EOF combinados (CEOF), y resulta de gran utilidad
cuando la variable estudiada es vectorial, pues permite procesar simultáneamente
todas las componentes del campo (von Storch y Zwiers 2002; Wilks 2006; Navarra y
Simoncini 2010).
Seguidamente, se llevó a cabo el CCA entre las anomalías interanuales del viento
y la SST en el CS&GM, para cada mes del año. Para el CCA se seleccionaron dos
subconjuntos de las primeras PC de la SST y del viento, respectivamente, con los
cuales se construye la matriz de covarianzas que se descompone en valores
singulares. Aunque el CCA identifica los pares óptimos de combinaciones lineales
entre dos conjuntos de datos que maximizan la covarianza, no establece una
causalidad física. A continuación detallaremos, paso a paso, el algoritmo matemático
seguido en esta investigación para encontrar los patrones acoplados de la variabilidad
interanual entre el viento y la SST en cada mes del año, partiendo de las series de
tiempo de anomalías definidas en la sección 3.1.
Sean A (SST) y B (viento) las matrices de anomalías estandarizadas para un mes
del año, de dimensiones [n x m] y [p x m], respectivamente, donde m es la dimensión
compartida (tiempo) y n y p son las dimensiones del espacio (puntos de malla). En
este caso, m = 35, que corresponde al número de años de 1982 a 2016. El total de
puntos de malla para los datos de viento es d = 3645, pues el dominio de estudio
cuenta con 45 puntos en latitud por 81 puntos en longitud. En la matriz B las primeras
d filas corresponden a la componente zonal del viento y las siguientes d filas
corresponden a la componente meridional. Por lo tanto, p = 2xd = 7290. Por otro lado,
3 Métodos
30
n = 2776, que es el número de puntos dentro del dominio que se encuentran sobre el
mar, donde existen datos de SST. Una vez acomodadas las matrices de tal manera
que las filas corresponden a la dimensión del espacio y las columnas a la dimensión
del tiempo, se realiza el primer paso del método CCA.
Paso 1: Obtener las PC de SST y de viento de forma independiente. A la derecha
de las ecuaciones, entre corchetes, se indica la dimensión de cada matriz:
Cálculo de la matriz de covarianzas de A y B
𝐶𝐴 =1
𝑚𝐴 ∗ 𝐴𝑇
[n x n] 𝐶𝐵 =1
𝑚𝐵 ∗ 𝐵𝑇
[p x p]
Análisis EOF de la SST y CEOF del viento, mediante la descomposición en
valores singulares (SVD) de las matrices de covarianzas:
(𝑈𝐴 𝐿𝐴 𝑉𝐴) = SVD (𝐶𝐴) (𝑈𝐵 𝐿𝐵 𝑉𝐵) = SVD (𝐶𝐵)
Tal que, 𝐶𝐴 = 𝑈𝐴 ∗ 𝐿𝐴 ∗ 𝑉𝐴𝑇 𝐶𝐵 = 𝑈𝐵 ∗ 𝐿𝐵 ∗ 𝑉𝐵
𝑇
UA, LA, VA [n x n] UB, LB, VB [p x p]
Para obtener las PC, se proyectan los vectores singulares sobre los datos de
entrada originales:
𝑃𝐶𝐴 = 𝑉𝐴 ∗ 𝐴 [n x m] 𝑃𝐶𝐵 = 𝑉𝐵 ∗ 𝐵 [p x m]
La varianza total de los datos se obtiene mediante la sumatoria de los elementos
de la diagonal de L elevados al cuadrado:
𝑉𝑎𝑟𝐴 = ∑(𝑑𝑖𝑎𝑔(𝐿𝐴))2 𝑉𝑎𝑟𝐵 = ∑(𝑑𝑖𝑎𝑔(𝐿𝐵))2
La porción de varianza explicada por cada modo es la razón entre cada elemento
de la diagonal de L y la varianza total:
𝑉𝑎𝑟𝐸𝑥𝐴 =𝑑𝑖𝑎𝑔(𝐿𝐴)
𝑉𝑎𝑟𝐴 𝑉𝑎𝑟𝐸𝑥𝐵 =
𝑑𝑖𝑎𝑔(𝐿𝐵)
𝑉𝑎𝑟𝐵
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
31
La Figura 13 muestra, para cada mes del año, la varianza explicada por los
primeros 10 modos, tanto del análisis EOF de la SST como del análisis CEOF del
campo de vientos. Como puede observarse, solamente entre los dos primeros modos
de la SST se concentra más de la mitad de la varianza total; en cambio, en el caso
del viento, la varianza está más distribuida entre los modos.
Figura 13. Porcentaje de la varianza explicada por los diez primeros modos resultantes del análisis CEOF aplicado al campo de viento (línea azul) y del análisis EOF aplicado a la temperatura
superficial del mar (línea roja), para los 12 meses del año.
3 Métodos
32
Paso 2: Truncamiento de los datos. Una vez obtenidos los principales modos de
variabilidad interanual de la SST y el viento de forma independiente, se eligen k1 y k2
componentes principales, respectivamente.
Se debe considerar que si se toman muy pocos modos para el truncamiento
quizás no se retenga la variabilidad más importante, pero si se toman muchos, la
significancia estadística de los modos acoplados podría verse afectada. El número
de PCs retenidas debe ser menor que la cantidad de observaciones en la muestra.
Esto es muy importante cuando se tienen muchos más puntos de malla que
observaciones; algo frecuente en el caso de las bases de datos climáticas (Von
Storch y Zwiers 2002; Wilks 2006). Es recomendable que el número de PCs retenidas
representen aproximadamente el 70% de la varianza de cada campo (Bretherton et
al. 1992; von Storch y Zwiers 2002), a fin de reducir el ruido espacial y los sesgos. Si
el acoplamiento entre los dos conjuntos de datos es suficientemente grande, los
patrones espaciales deben ser insensibles al número de PCs retenidas después de
un rango aceptable de truncamiento.
Cumpliendo con este criterio para la varianza, se eligieron los primeros seis
CEOF del campo de viento y los primeros cinco EOF de la SST, es decir k1=5 y k2=6,
para considerarlos como datos de entrada en el CCA. La Tabla 1 muestra la suma
de la varianza explicada por estos primeros modos para cada mes del año. Cabe
mencionar que se realizó un MCA con los datos no truncados ‒es decir, con el 100%
de la varianza‒ y los resultados fueron muy similares a los obtenidos con los datos
truncados (no se muestra). Sin embargo, en este último caso los resultados del CCA
presentan menos “ruido”, es decir, los patrones son más claros, lo cual nos brinda
mayor confianza en los resultados.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
33
Tabla 1. Suma de la varianza explicada (%) por los primeros seis modos del análisis CEOF del viento y los primeros cinco modos del análisis EOF de la SST, para cada mes del año.
Mes
6 CEOF Viento
5 EOF SST
ENE 78 76
FEB 79 78
MAR 79 80
ABR 77 80
MAY 76 77
JUN 73 77
JUL 72 79
AGO 74 80
SEP 73 76
OCT 71 72
NOV 75 75
DIC 75 77
Paso 3: Normalización de las PC retenidas, de modo que la varianza sea igual a
1. Cada fila, desde la primera hasta la número k en la matriz de PCs, es dividida por
el valor singular correspondiente en la diagonal de L:
𝑃𝐶𝑛𝑜𝑟𝑚𝐴 = 𝑃𝐶𝐴
𝑑𝑖𝑎𝑔(𝐿𝐴) [k1 x m]
𝑃𝐶𝑛𝑜𝑟𝑚𝐵 = 𝑃𝐶𝐵
𝑑𝑖𝑎𝑔(𝐿𝐵) [k2 x m]
Paso 4: Se calcula la matriz de covarianzas entre los conjuntos de PCs retenidas
y se somete a una descomposición en valores y vectores singulares:
𝐶𝐴𝐵 =1
𝑚𝑃𝐶𝑛𝑜𝑟𝑚𝐴 ∗ 𝑃𝐶𝑛𝑜𝑟𝑚𝐵
𝑇 [k1 x k2]
La matriz de covarianzas es igual a la matriz de correlación, ya que las PCs han
sido normalizadas. MCA a la matriz de correlación:
[ 𝑈 𝐿 𝑉] = svd ( 𝐶𝐴𝐵 )
U [k1 x k1] L [k1 x k2] V [k2 x k2]
3 Métodos
34
Evidentemente, aplicar el SVD a esta matriz de covarianzas de dimensión 5x6 es
mucho más sencillo que si se tiene en cuenta toda la información sobre la variabilidad
de los datos. En ese caso, la matriz de covarianzas entre las matrices originales A y
B tendría una dimensión mucho mayor, de pxn (7290x2776). En efecto, esta es una
de las ventajas computacionales del CCA sobre el MCA: trabaja con matrices de
covarianzas más pequeñas que contienen la información más importante sobre la
variabilidad de los datos.
Las columnas de las matrices U y V contienen los vectores singulares de A y B,
respectivamente. Estas matrices se utilizaron para encontrar las series temporales y
luego las estructuras espaciales de los modos acoplados. La diagonal de la matriz L
brinda los valores singulares o coeficientes de correlación canónica (r), los cuales
indican la fuerza del acoplamiento estadístico entre los datos truncados. Esto nos
lleva al siguiente paso.
Paso 5: Obtención de los coeficientes de correlación canónica:
𝑟 = 𝑑𝑖𝑎𝑔(𝐿) [k1]
El número de elementos en la diagonal de L es el valor mínimo entre k1 y k2; en
este caso k1=5, el número de patrones acoplados que obtendremos en el CCA.
Paso 6: Las series de tiempo de los modos acoplados se conocen como vectores
de correlación canónica (CCV) y se obtienen proyectando la matriz de datos
truncados sobre los vectores singulares. Los CCV constituyen las series de tiempo
asociadas a los modos acoplados:
𝐶𝐶𝑉𝐴 = 𝑈𝑇 ∗ 𝑃𝐶𝑛𝑜𝑟𝑚𝐴 [k1 x m] 𝐶𝐶𝑉𝐵 = 𝑉𝑇 ∗ 𝑃𝐶𝑛𝑜𝑟𝑚𝐵 [k2 x m]
Los 𝐶𝐶𝑉𝐴 explican la mayor cantidad de varianza posible de los datos truncados
en B, y viceversa. La correlación entre cada par de CCV es igual a los coeficientes r
contenidos en la diagonal de L.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
35
Paso 7: Obtención de los patrones espaciales de los modos acoplados.
Se generan mapas de correlación heterogénea (HCM) entre los CCV y cada
campo de datos, mediante la regresión de los datos de entrada de uno de los campos
sobre el CCV del otro, y viceversa (Bretherton et al. 1992).
𝐻𝐶𝑀𝐴 = 𝐴 ∗ 𝐶𝐶𝑉𝐵
𝑇
𝑚 [n x k2] 𝐻𝐶𝑀𝐵 =
𝐵 ∗ 𝐶𝐶𝑉𝐴𝑇
𝑚 [p x k1]
Los HCM indican qué tan bien el patrón de anomalías en un campo puede
describirse mediante la correlación canónica del otro campo, y viceversa (Wallace et
al. 1992; von Storch y Zwiers 2002). Cada uno de los patrones del CCA consiste en
un par de estructuras espaciales o HCM, y sus correspondientes series de tiempo o
CCV. Estas combinaciones lineales tienen máxima correlación entre sí, y se
organizan en orden de mayor a menor covarianza explicada desde el primer modo
hasta el quinto de cada mes.
Una métrica útil en el CCA es la fracción de covarianza cuadrática (SCF)
explicada por cada par de patrones acoplados, la cual es proporcional al cuadrado de
los valores singulares (Bretherton et al. 1992). La covarianza cuadrática (SC)
asociada a los cinco modos del CCA es equivalente al cuadrado de los valores
singulares correspondientes, y la covarianza cuadrática total es la suma de todas las
SC. Por ende, la SCF explicada por cada modo es la razón entre la SC
correspondiente y la SC total.
3.3 Significancia estadística de los modos acoplados
La significancia estadística de los modos obtenidos mediante el CCA para cada
mes se evaluó siguiendo el método descrito en Venegas et al. (1997) y en Wallace et
al. (1992). Cada prueba consiste en 1000 experimentos de Monte Carlo, en los que
se efectúa un análisis CCA similar a los realizados en este trabajo para cada mes del
año; con la particularidad de que, antes de realizar el CCA, el campo de viento es
sustituido por uno aleatorio mezclando el orden cronológico. En cada experimento se
almacenó la SC total y la SC asociada a los cinco modos del CCA para cada mes.
3 Métodos
36
Luego se evaluó la significancia de los valores reales comparándolos con la
distribución de los estadísticos obtenidos en los experimentos de Monte Carlo.
3.4 Mapas de varianza local explicada
Como ya sabemos, los CCV indican la variabilidad interanual de los modos del
CCA y, para cada modo, se tiene un par de CCV para SST y viento altamente
correlacionados entre sí. Además de la SCF que representa cada modo, nos interesa
saber cuánta varianza de los datos originales es explicada en cada punto de malla,
tanto para los datos de SST como para las componentes zonal y meridional del viento.
La varianza local explicada (LEV) se calcula mediante las correlaciones al cuadrado
entre las series mensuales de anomalías de cada variable y su respectivo CCV (von
Storch y Zwiers 2002). Para las componentes zonal y meridional del viento el CCV es
el mismo.
Esta magnitud la representaremos en mapas cuasi-globales de la LEV expresada
en porcentaje. Los mapas de LEV serán muy útiles para observar diferencias entre
los distintos modos acoplados, cuáles regiones sobresalen en el acoplamiento
identificado por el CCA y qué relación puede tener dicho acoplamiento con la
variabilidad interanual de regiones remotas. Por otro lado, el promedio espacial de
los valores en los mapas de LEV dentro del dominio de estudio brinda el porcentaje
de varianza del viento zonal, viento meridional y SST explicada por cada modo del
CCA (Wallace et al. 1992).
3.5 CCAI y correlación con los índices de teleconexión
El índice del CCA (CCAI) se define como la media aritmética de los pares de CCV
para viento y SST obtenidos para cada patrón del CCA (similar a Handoh et al. 2006).
Dado que estos pares de vectores están altamente correlacionados, el CCAI se
puede considerar como una representación muy precisa de la variabilidad interanual
de los modos acoplados.
Las correlaciones lineales con retraso de los CCAIs con el ONI y el NAOI se
calcularon para identificar los vínculos entre los principales modos de variabilidad
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
37
acoplada océano-atmósfera y las fluctuaciones interanuales de ENSO y la NAO. La
significancia estadística de todas las correlaciones se estimó con un nivel de
confianza del 95%. Los CCAIs se utilizaron, además, para calcular las anomalías de
precipitación asociadas a los patrones acoplados viento-SST, como se describe en la
siguiente sección.
3.6 Precipitación asociada a los modos acoplados
Para explorar las posibles conexiones entre las señales acopladas viento-SST y
la variabilidad de la precipitación sobre el CS&GM y áreas adyacentes, se calcularon
los patrones de anomalías de precipitación asociados a los modos del CCA. Se
utilizaron las series de anomalías estandarizadas de precipitación (𝑃𝑎𝑛𝑜𝑚), obtenidas
como se explicó en la sección 3.1. Para cada mes se dispone de una matriz 𝑃𝑎𝑛𝑜𝑚
cuya dimensión es igual al número de puntos de malla (filas) por el número de años
en la serie de tiempo (columnas). Las anomalías de precipitación asociadas a los
modos acoplados (𝑃𝐶𝐶𝐴𝐼) se calcularon mediante la proyección de la matriz 𝑃𝑎𝑛𝑜𝑚 de
cada mes en el CCAI correspondiente al mismo mes. Por lo tanto, la ecuación
utilizada para obtener los patrones de 𝑃𝐶𝐶𝐴𝐼 se puede escribir de la siguiente forma:
𝑃𝐶𝐶𝐴𝐼 =𝑃𝑎𝑛𝑜𝑚 ∗ 𝐶𝐶𝐴𝐼
𝑁
donde 𝐶𝐶𝐴𝐼 y 𝑁 se refieren a los CCAIs mensuales y al tamaño de las series de
tiempo, respectivamente (en este caso N=35 años). Los CCAIs son vectores de
dimensión igual a 35, la cual se consume en la multiplicación y, por tanto, deja
solamente la dimensión del espacio, que es igual al número de puntos de malla en el
dominio de la precipitación.
Para tener una mejor aproximación sobre el impacto de los patrones acoplados
en la precipitación regional, y comparar unas anomalías con otras, tanto dentro del
mismo mes como de un mes a otro, resulta más útil transformar las anomalías de
precipitación 𝑃𝐶𝐶𝐴𝐼 de manera que nos permitan medir el peso relativo en cada punto
con respecto a la climatología mensual. Por tal motivo, estimamos el porcentaje de la
3 Métodos
38
precipitación climatológica (𝑃𝑐𝑡𝑃) que está representada por esas anomalías; es
decir, cuánto incremento o disminución representa cada anomalía asociada a un
patrón acoplado viento-SST con respecto a la climatología. La transformación para
obtener el 𝑃𝑐𝑡𝑃 en cada mes se aplica mediante la siguiente ecuación:
𝑃𝑐𝑡𝑃 =𝑃𝐶𝐶𝐴𝐼 ∗ 𝑆𝑡𝑑𝑃
�̅�∗ 100
Donde �̅� y 𝑆𝑡𝑑𝑃 se refieren a la precipitación media y la desviación estándar para
cada punto de malla, respectivamente. Como las anomalías de precipitación están
estandarizadas, se necesita recuperar el valor absoluto multiplicándolas por la
desviación estándar, para poder encontrar la fracción de la media climatológica que
ellas representan. El 𝑃𝑐𝑡𝑃 se muestra sólo en aquellos puntos de malla donde la
correlación entre las anomalías de precipitación mensual y el CCAI correspondiente
es significativa, a fin de resaltar las áreas más sensibles a la variabilidad interanual
de los patrones acoplados y mostrar solamente aquellas anomalías de precipitación
que representan un impacto estadísticamente significativo.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
39
4 RESULTADOS Y DISCUSIÓN
En este capítulo se revisan los campos medios de viento, SST, precipitación y su
marcha anual, así como los resultados del análisis de la variabilidad acoplada viento-
SST a escala interanual. Una vez definidos los modos acoplados del CCA, se explora
la relación de su variabilidad con los procesos de teleconexión de ENSO y la NAO.
Por último, se analiza el impacto de los modos de variabilidad acoplada en el campo
de la precipitación del CS&GM y zonas adyacentes.
4.1 Variabilidad estacional del campo de viento y la SST
La Figura 14 muestra los promedios climatológicos del viento a 10 metros y de
la SST en el CS&GM para el período 1982-2016. Durante todo el año se observan
vientos predominantes del este, que reflejan la influencia permanente de los alisios
del hemisferio norte sobre la región. Estos vientos limitan al norte con el cinturón
de las altas presiones subtropicales, alrededor de los 30°N, donde la rapidez del
viento alcanza valores mínimos. Asociada al flujo del este se puede observar la
zona del CLLJ y su variabilidad estacional, la cual está fuertemente relacionada
con la posición e intensidad del NASH. La mayor influencia del NASH durante los
meses de verano es evidente por la estructura en forma de dorsal que exhibe el
campo de vientos en la porción nororiental del dominio (Figs. 14f-i). Sin embargo,
el régimen de vientos durante el invierno también es afectado por sistemas
migratorios de latitudes medias, que pueden tener un efecto notable en la
componente meridional.
La región de estudio se caracteriza por altas SSTs, que pueden alcanzar
valores entre 28°C y 29°C durante el verano y el otoño (Figs. 14f-k), asociadas con
el desarrollo de la WHWP. Las SSTs máximas dentro del GM ocurren en verano, y
en el CS durante el otoño. En los meses de invierno y primavera se observan
temperaturas relativamente más bajas. Tanto en el GM como en el Atlántico, por
encima del Trópico de Cáncer (~23°N), la SST es inferior a 26°C y disminuye a
medida que aumenta la latitud (Figs. 14l y 14a-e). El gradiente de SST en estas
áreas se debe, en parte, al gradiente meridional de la insolación.
4 Resultados y discusión
40
La amplitud del ciclo anual de la SST es mayor en el GM en comparación con el
resto del dominio. Ello se debe, en parte, a que la variabilidad estacional de la
insolación en estas latitudes es mayor que en el CS, más próximo al Ecuador, y a que
los fuertes vientos asociados a los Nortes durante el invierno contribuyen al
enfriamiento de la superficie. Además, por ser un mar semicerrado, el GM es más
sensible a los cambios estacionales de la temperatura en el continente circundante.
Figura 14. Climatología mensual de SST (°C) (contornos de color) y vientos a 10m (vectores) en la región de estudio: a) enero, b) febrero, c) marzo, d) abril, e) mayo, f) junio, g) julio, h) agosto, i) septiembre, j) octubre, k) noviembre, l) diciembre. En la Figura 14a, las letras T y P indican la
ubicación de los Golfos de Tehuantepec y Papagayo, respectivamente.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
41
A inicios de año, fundamentalmente entre los meses de enero y marzo, se
observa una lengua de agua más fría en la porción sur del CS, al norte de América
del Sur, correspondiente a una zona de surgencia costera (Figs. 14a-c). Tal
enfriamiento relativo resulta del transporte de Ekman causado por los persistentes
vientos del este a lo largo de la costa (Andrade y Barton 2005; Rueda-Roa y Muller-
Karger 2013). Esta región de surgencia costera también se ve reforzada por el hecho
de encontrarse a la izquierda del CLLJ, donde se espera un rotacional positivo del
esfuerzo del viento (Montoya 2013; Amador et al. 2016). Otras regiones con una SST
más fría, respecto a sus alrededores, son los Golfos de Tehuantepec y Papagayo (ver
ubicación en la Fig. 14a), donde los vientos costa afuera que cruzan los
correspondientes istmos favorecen el arrastre de agua subsuperficial, la mezcla
vertical y la evaporación de la superficie (Stumpf 1975; Barton et al. 1993; Liang et al.
2009). Esta respuesta del océano es más evidente durante el invierno boreal (p. ej.,
Figs. 14a-b), cuando los alisios y los vientos del norte son muy intensos (Legeckis
1988).
4.2 Patrones de precipitación en el CS&GM y zonas adyacentes
Como se mencionó en la sección 1.4, la región de estudio presenta dos períodos
con diferentes características en los patrones que dominan la circulación atmosférica
y determinan cambios en los procesos de precipitación asociados. El período lluvioso
abarca de mayo a octubre, mientras que el período poco lluvioso comprende de
noviembre a abril. La Figura 15 muestra la marcha anual de la precipitación en una
amplia región que incluye el CS&GM y zonas continentales y marítimas aledañas.
Una de las estructuras que se aprecia claramente en esta figura es la ITCZ alrededor
de los 10°N y su desplazamiento latitudinal a lo largo del año. Durante el verano
boreal, cuando la ITCZ se encuentra en su posición más septentrional, se observan
los mayores acumulados de precipitación en el CS, México, CA y la porción norte de
América del Sur.
En la mitad occidental de CA y en el sur de México hay dos períodos de
precipitación máxima durante el verano: mayo-junio y septiembre-octubre. El mínimo
relativo de actividad convectiva y lluvia durante julio-agosto se conoce comúnmente
4 Resultados y discusión
42
como canícula o MSD (Mosiño y García 1966; Magaña et al. 1999). Una estructura
similar de doble pico también ocurre en el ciclo anual de precipitación en la cuenca
del CS (Taylor et al. 2002; Gamble et al. 2008; Curtis y Gamble 2008). En los análisis
posteriores, las anomalías de viento, SST y precipitación se calculan con respecto a
las climatologías mensuales antes descritas.
Figura 15. Climatologías de la precipitación mensual (mm/día) de la base CHIRPS, y viento medio a 10m (vectores) obtenido del CFSR, para el período 1982-2016: a) enero, b) febrero, c) marzo, d) abril, e) mayo, f) junio, g) julio, h) agosto, i) septiembre, j) octubre, k) noviembre y l) diciembre.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
43
4.3 Patrones de variabilidad acoplada entre el viento y la SST
En esta sección se presentan los resultados de la aplicación del método de CCA
que se detalló en el Capítulo 3. Los estadísticos básicos de los cinco modos obtenidos
mediante el CCA para los 12 meses del año se presentan en la Tabla 2, comenzando
en marzo y terminando en febrero. Estos modos están jerarquizados según su
importancia; es decir, el primer modo de cada mes corresponde al patrón dominante
en términos de covarianza explicada. Recordemos que el coeficiente de correlación
canónica (r) que se muestra en la Tabla 2 es igual a la correlación entre las series de
tiempo de viento y SST correspondientes a cada modo, y mide la fuerza del
acoplamiento.
Tabla 2. Coeficientes de correlación canónica (r) y fracciones de covarianza cuadrática (SCF) expresadas en porcentaje, de los cinco modos del CCA para cada mes. (Nota: La suma de las cinco
SCF para cada mes no siempre es igual a 100% porque se muestran los valores aproximados.)
Mes r1 SCF1 r2 SCF2 r3 SCF3 r4 SCF4 r5 SCF5
MAR 0.89 35 0.81 31 0.62 24 0.22 8 0.03 1
ABR 0.88 31 0.69 24 0.56 19 0.43 15 0.30 10
MAY 0.93 33 0.80 29 0.55 20 0.30 11 0.22 8
JUN 0.92 30 0.85 27 0.64 21 0.49 16 0.21 7
JUL 0.92 32 0.74 26 0.52 18 0.47 16 0.24 8
AGO 0.96 33 0.69 24 0.57 20 0.53 18 0.15 5
SEP 0.91 34 0.69 26 0.47 18 0.34 13 0.25 9
OCT 0.92 34 0.73 27 0.51 19 0.40 15 0.17 6
NOV 0.96 30 0.76 24 0.62 19 0.46 14 0.44 14
DIC 0.94 35 0.84 31 0.45 17 0.36 13 0.15 5
ENE 0.92 34 0.79 29 0.62 23 0.35 13 0.06 2
FEB 0.87 31 0.77 27 0.68 24 0.39 14 0.11 4
Los coeficientes de correlación canónica para el primer modo de cada mes (r1)
muestran valores entre 0.87 y 0.96, que evidencian el fuerte acoplamiento viento-SST
en la región de estudio. Este primer modo o modo principal en cada mes representa
alrededor de un tercio de la covarianza cuadrática de los datos de entrada, expresada
mediante SCF1. El segundo modo de cada mes también explica una fracción
importante, aunque menor, de la covarianza cuadrática (SCF2) y sus coeficientes de
4 Resultados y discusión
44
correlación canónica (r2) varían de 0.69 a 0.85 (Tabla 2), lo que representa una
disminución del acoplamiento estadístico respecto al primer modo.
En la Figura 16 se presenta la primera parte de los resultados de las pruebas de
significancia estadística aplicadas a los CCA para cada mes mediante los
experimentos de Monte Carlo (ver sección 3.3). En este caso, se evalúa la
significancia estadística de la SC total y se observa que los CCA realizados con los
datos reales resultan estadísticamente significativos en todos los meses, con un nivel
de confianza del 99%. También se evaluó la significancia estadística de la SC de los
cinco modos obtenidos en el CCA para cada mes (Fig. 17). El SC del primer modo de
cada mes también resulta altamente significativo, con un nivel de confianza del 99%,
al situarse en el extremo superior de la distribución de la muestra generada con los
experimentos de Monte Carlo. El SC del resto de los modos no siempre cumple con
este criterio.
Figura 16. Resultados de las pruebas de significancia estadística para la SC total del CCA para cada mes. El asterisco rojo indica el valor real del estadístico y en negro se representan los valores
obtenidos con los experimentos de Monte Carlo.
Los patrones espaciales (HCM) del primer modo acoplado de cada mes y sus
correspondientes series de tiempo (CCV) se muestran en las Figuras 18 y 20,
respectivamente. Análogamente, las Figuras 19 y 21 ilustran los HCM del segundo
modo de cada mes y sus CCV asociados. Los patrones espaciales de las Figuras 18
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
45
y 19 corresponden a la fase positiva de los modos acoplados, es decir, a los años en
que los CCV presentan signo positivo (ver las Figs. 20 y 21); mientras que la fase
negativa sería opuesta a ésta. A menos que se mencione explícitamente lo contrario,
de aquí en adelante nuestras descripciones se referirán a la fase positiva. Los CCV
del viento y la SST, tanto para el primer modo como para el segundo, indican la
marcha interanual de los patrones espaciales de anomalías y evidencian la alta
correlación entre los pares de patrones acoplados (Figs. 20 y 21).
Figura 17. Resultados de las pruebas de significancia estadística para la SC de los cinco modos obtenidos en el CCA para cada mes. El asterisco rojo indica el valor real de la SC, y en negro se
representan los valores obtenidos con los experimentos de Monte Carlo.
4 Resultados y discusión
46
Figura 18. Mapas de correlación heterogénea del primer modo acoplado para cada mes. Los colores y las flechas indican las anomalías de SST (°C) y viento (m/s), respectivamente, proyectadas
sobre los CCV. Los mapas comienzan en marzo (a) y finalizan en febrero (l).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
47
Figura 19. Ídem a la Fig. 18, pero para el segundo modo acoplado de cada mes.
4 Resultados y discusión
48
Figura 20. CCV del campo de viento (línea azul) y de SST (línea roja) correspondientes al primer modo acoplado de cada mes, desde marzo a febrero.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
49
Figura 21. Ídem a la Fig. 20, pero para el segundo modo acoplado de cada mes.
En su mayor parte, la distribución espacial de las anomalías del primer modo
acoplado no cambia abruptamente de un mes a otro (Fig. 18); es decir, se puede
apreciar una suave variación estacional en las estructuras representadas por los
HCM. Una excepción importante es el cambio, aparentemente brusco, de febrero a
marzo, cuyos HCM presentan características claramente diferentes (Figs. 18a, 18l).
4 Resultados y discusión
50
Sin embargo, al inspeccionar los HCM del segundo modo obtenidos para febrero y
marzo, se observa que el primer modo de febrero presenta una estructura similar al
segundo modo de marzo, y viceversa (Figs. 19a, 19l). En otras palabras, el primer
modo de febrero en realidad no desaparece en marzo, sino que pierde importancia
en términos de la covarianza explicada.
Como era de esperar, los HCM del segundo modo acoplado en cada mes
muestran, en su gran mayoría, una notable disminución en la intensidad de las
anomalías con respecto al primero (Figs. 18-19). Algunos de estos se asemejan al
primer modo de otros meses, lo cual es evidente no sólo en el segundo modo de
febrero y marzo, sino también en el segundo de abril y octubre, por ejemplo. En los
meses de verano, el segundo modo pareciera capturar parte de la variabilidad del
Atlántico cerca de la frontera de nuestro dominio. El segundo modo de noviembre y
diciembre pudieran estar reflejando la variabilidad de los vientos asociados a los
Nortes, acoplados con anomalías de SST en el GM.
Sin embargo, a pesar de que también explica una porción considerable de la SC,
el segundo modo, en general, resulta más difícil de interpretar desde el punto de vista
físico en comparación con el primer modo. Como se sabe, el CCA identifica patrones
acoplados que no necesariamente tienen explicaciones físicas. Por tal motivo, de aquí
en adelante nos concentraremos en la interpretación del primer modo de cada mes,
los cuales explican la mayor fracción de la SC entre el viento y la SST a lo largo del
año y, por tanto, representan la principal señal acoplada en el dominio seleccionado
para el estudio.
Aunque los valores de r1 y SCF1 para distintos meses no muestran fuertes
contrastes (Tabla 1), el porcentaje de varianza representado por el primer modo de
cada mes indica una variación estacional marcada (Tabla 3). El porcentaje de
varianza para SST, viento zonal y viento meridional que explica cada modo se obtiene
mediante el promedio de la varianza local entre todos los puntos de malla dentro del
dominio de estudio.
Como puede observarse en la Tabla 3, el porcentaje de varianza para la SST
oscila entre 20% y 35%, alcanzando valores máximos en febrero, marzo y abril, y
mínimos en mayo, junio y octubre. Con respecto al campo de viento, el porcentaje de
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
51
varianza sugiere que en la escala de tiempo interanual la componente zonal es más
relevante para el acoplamiento con las SSTA de marzo a octubre; mientras que la
variabilidad de la componente meridional es determinante para el acoplamiento con
las SSTA de noviembre a febrero. Este resultado puede interpretarse como una
consecuencia de las características estacionales del campo de viento en la región
que, como sabemos, está dominado por los vientos del este la mayor parte del año.
Estos vientos dominantes ceden principalmente en el período invernal, cuando
sistemas migratorios como altas presiones continentales y bajas extratropicales
descienden en latitud e imponen vientos de componente norte o sur sobre el área,
que pueden permanecer por varios días.
Tabla 3. Porcentaje de varianza de la SST y las componentes zonal y meridional del viento que es explicada por el primer modo del CCA en cada mes.
Mes SST Viento Zonal
Viento Merid.
MAR 32 43 14
ABR 31 23 15
MAY 22 18 11
JUN 22 26 16
JUL 24 32 22
AGO 24 34 25
SEP 24 31 21
OCT 20 25 12
NOV 28 17 26
DIC 25 13 35
ENE 29 11 34
FEB 35 11 30
Como se explicó en la sección 3.5, partiendo de los CCV (Figs. 20-21) se
construyó el CCAI para cada mes, el cual representa la componente temporal
asociada a los modos acoplados. En la Figura 22 se ilustra el CCAI para el primer
modo de cada mes. De izquierda a derecha, el gráfico comienza con el CCAI de
marzo y termina con el de febrero del siguiente año. Los CCAIs mensuales exhiben
considerables fluctuaciones interanuales, alternando valores positivos y negativos
que pueden persistir durante varios meses, como puede verse, por ejemplo, en 1997,
4 Resultados y discusión
52
2005, 2010 y 2015 (Fig. 22). Esto refuerza la idea del paulatino cambio de un mes a
otro en los patrones espaciales del primer modo. Existe una alta correlación entre los
CCAIs, incluso durante meses no consecutivos.
Los CCAIs son muy útiles a lo hora de explorar la posible conexión de los modos
acoplados con otros patrones de variabilidad climática, como se verá más adelante
en la sección 4.5. Además, se emplearán en el estudio del impacto del acoplamiento
identificado en el CCA con la precipitación regional.
Figura 22. CCAI para cada mes durante el período 1982-2016. En el eje horizontal están representados los 12 meses, comenzando en marzo del año señalado en el eje vertical y
concluyendo en febrero del año siguiente (mes + 1).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
53
4.4 Clasificación de los principales modos de variabilidad acoplada
Si bien de marzo a octubre y de noviembre a febrero se aprecian similitudes en
los HCM del primer modo, estas estructuras cambian gradualmente de un mes a otro.
La dependencia estacional de los modos de acoplamiento océano-atmósfera en el
CS&GM también es evidente en la configuración espacial de la varianza local
explicada (LEV), tanto para las componentes del viento como para la SST (Figs. 23-
28). A pesar de que la varianza es una magnitud positiva, los mapas de LEV se
presentan con el signo de la correlación correspondiente en cada punto de malla,
para que sean coherentes con los patrones espaciales en los HCM. Al observar las
características espaciales (Fig. 18) y de la distribución de la LEV (Figs. 23-28) de los
principales modos acoplados, se pueden identificar cuatro configuraciones distintas:
1) Modo de Dipolo: marzo-abril
La estructura de dipolo en las SSTA, positivas en el CS y negativas en el GM y el
resto del dominio (Figs. 18a-b), está influenciada fundamentalmente por las
anomalías del viento zonal (Fig. 23) en la región. Este dipolo se extiende al Océano
Pacífico adyacente a CA, principalmente en marzo. Las anomalías del viento en el
noroeste del GM favorecen la entrada de aire frío y seco del continente, aumentando
la evaporación y el flujo de calor latente, lo que produce SST por debajo de lo normal.
Mientras, en el CS las anomalías del viento en el sentido opuesto a los alisios
conducen a una disminución en la rapidez del viento, reduciendo la evaporación y
favoreciendo SSTs más cálidas en el Caribe (Enfield y Mayer 1997; Klein et al. 1999).
Estos resultados son consistentes con las anomalías del viento y la SST en primavera
descritas por Muñoz y Enfield (2011).
La configuración antisimétrica de las SSTA también es semejante al patrón de
dipolo meridional de los mares interamericanos que, según varios estudios, se
produce antes de un evento anómalo en la WHWP o después de una fase cálida de
ENSO (Alexander y Scott 2002; Enfield et al. 2006; Muñoz et al. 2010; Liu et al. 2015).
Tal configuración también se vincula al tripolo de SSTA asociado a la NAO (Deser et
al. 2010). En este estudio ha surgido una distribución similar de SSTA en combinación
4 Resultados y discusión
54
con la variabilidad interanual de los vientos de superficie para marzo y abril, que
representa el modo acoplado principal en estos dos meses.
Figura 23. Varianza local (%) de la SST, la componente zonal (U), y la componente meridional (V) del viento que es explicada por los CCV del primer modo para marzo (a, c, e) y abril (b, d, f),
respectivamente. Los valores positivos (líneas continuas, relleno rojo) o negativos (líneas discontinuas, relleno azul) corresponden al signo de la correlación. En color blanco, los valores entre
-20 y 20. El intervalo entre los contornos es de 2 unidades.
2) Modo de Transición: mayo-junio
La estructura dipolar de las SSTA es más débil en mayo-junio en comparación
con los dos meses anteriores, ya que la señal casi desaparece en el GM y ya no cruza
hacia el Pacífico oriental (Figs. 18c-d). Este modo de Transición está dominado
principalmente por anomalías del viento zonal, como se ilustra en los mapas de LEV
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
55
(Fig. 24). Los HCM de mayo y junio muestran la mayor variabilidad acoplada viento-
SST en el sur del Caribe, donde las persistentes anomalías de vientos del oeste se
combinan con SSTs más cálidas (Figs. 18c-d). Tales anomalías de la circulación en
niveles bajos, asociadas con el calentamiento de la superficie del mar, se pueden
interpretar utilizando el modelo de Gill (1980). Este mecanismo fue utilizado por
primera vez por Magaña et al. (1999) para explicar la evolución de la MSD, y
Maldonado et al. (2017) señalan que favorece las condiciones de lluvia durante mayo-
junio en la vertiente del Pacífico de CA. Asimismo, un CLLJ débil se ha asociado con
SSTA positivas y un aumento de las precipitaciones en el Caribe (Wang et al. 2008;
Cook y Vizy 2010; Rauscher et al. 2011).
Figura 24. Ídem a la Figura 23, pero para los meses de mayo (a, c, e) y junio (b, d, f).
4 Resultados y discusión
56
3) Modo Interoceánico: julio-octubre
De julio a octubre persisten SSTA positivas en el CS y se presentan anomalías
opuestas en el Pacífico oriental. Este modo Interoceánico está fuertemente asociado
con anomalías de viento del suroeste (Figs. 18e-h). El porcentaje de varianza y de
LEV de las componentes zonal y meridional aumentan con respecto al modo de
Transición (Tabla 3; Figs. 25-26); sin embargo, este patrón se debilita
significativamente en octubre.
Figura 25. Ídem a la Figura 23, pero para los meses de julio (a, b, c) y agosto (d, e, f).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
57
Estudios previos han identificado una asimetría similar entre las SSTA del
Pacífico y el Atlántico a ambos lados del continente centroamericano, relacionada con
la variabilidad de la precipitación de verano en el CS (Taylor et al. 2002; Spence et
al. 2004) y CA (Enfield y Alfaro 1999; Alexander y Stott 2002; Alfaro 2007; Maldonado
y Alfaro 2010; Maldonado et al. 2013), también observada durante eventos fríos o
cálidos de ENSO. En la sección 4.6 se examinan con mayor detalle las implicaciones
de este modo acoplado para la precipitación regional.
Figura 26. Ídem a la Figura 23, pero para los meses de septiembre (a, c, e) y octubre (b, d, f).
4 Resultados y discusión
58
4) Modo de Viento Meridional: noviembre-febrero
A diferencia de los modos anteriores, durante los meses de invierno los patrones
están más dominados por el acoplamiento del viento meridional con la SST (Figs. 27-
28). De hecho, el porcentaje de varianza de la componente meridional es máximo de
noviembre a febrero (Tabla 3). Las configuraciones espaciales exhiben anomalías de
viento de componente norte acopladas con SSTs más frías en la mayor parte del CS
(Figs. 18i-18l). Al mismo tiempo, anomalías de viento del sudeste surgen en el GM
junto con SSTs más cálidas, principalmente de diciembre a febrero. El modo de
Viento Meridional puede estar relacionado con la variabilidad interanual de las
intrusiones de masas de aire frío de latitudes extratropicales y con la frecuencia de
los Nortes sobre la región (Legeckis 1988; Zárate-Hernández 2013).
Figura 27. Ídem a la Figura 23, pero para los meses de noviembre (a, c, e) y diciembre (b, d, f).
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
59
Figura 28. Ídem a la Figura 23, pero para los meses de enero (a, c, e) y febrero (b, d, f).
A lo largo de la costa norte de Venezuela, de noviembre a enero, se observan
SSTs más cálidas asociadas con anomalías de viento del noroeste (Figs. 18i-k), lo
que favorece el hundimiento de las aguas superficiales y el debilitamiento del
afloramiento costero en esa área. Este resultado es consistente con Chang y Oey
(2013), quienes mostraron el fuerte acoplamiento físico entre los vientos alisios y el
océano a lo largo de la costa de Venezuela.
Los mapas de LEV sugieren que los modos Interoceánico (Figs. 25-26) y de
Viento Meridional (Figs. 27-28) están estrechamente conectados con la variabilidad
del Pacífico oriental y posiblemente con ENSO; entretanto, el modo de Transición
parece estar más vinculado con la variabilidad del TNA (Fig. 24). Además, la
4 Resultados y discusión
60
influencia del Pacífico tropical y del Atlántico podrían superponerse en los procesos
acoplados del CS&GM, posiblemente en el modo de Dipolo (Fig. 23).
4.5 Conexiones con ENSO y la NAO
En esta sección analizamos el posible forzamiento remoto de ENSO y la NAO
sobre los principales modos acoplados de variabilidad océano-atmósfera, definidos
en la sección anterior. Para obtener una evolución temporal representativa de los
modos de Dipolo, de Transición, Interoceánico y de Viento Meridional durante el
período 1982-2016, se promedian los CCAIs de los meses pertenecientes a cada una
de estas cuatro configuraciones. En la Figura 29 se muestra el análisis de
correlaciones entre las series de tiempo obtenidas para los cuatro patrones
identificados y los índices mensuales ONI y NAOI. Se presentan las correlaciones
con retrasos desde 0 hasta 12 meses. El sentido del aumento del retraso se aprecia
en el eje horizontal de derecha a izquierda.
Figura 29. Correlaciones con retraso entre las series de tiempo para los cuatro modos de acoplamiento identificados y los índices mensuales: ONI (a), y NAOI (b). Las líneas discontinuas
horizontales indican los niveles de significancia del 95% (= ± 0.33). La línea vertical indica el fin del año anterior (Año - 1) y el inicio del año actual (Año 0) para las correlaciones con el índice
correspondiente.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
61
Todos los modos, excepto el de Transición, muestran una fuerte conexión con la
variabilidad de ENSO (Fig. 29a). Las correlaciones significativas máximas (por debajo
de -0.7) se encuentran entre el modo Interoceánico y el ONI desde julio hasta octubre
sin retraso. Este modo Interoceánico es característico de los meses de verano,
cuando los eventos de ENSO generalmente están en su etapa inicial. Durante el
verano y principios del otoño, una señal cálida de ENSO favorece el desarrollo de la
fase negativa del modo Interoceánico, representada por los patrones de anomalías
opuestos a los que se muestran en las Figuras 18e-h. Estos patrones indicarían un
fortalecimiento de los vientos del este y del CLLJ, acoplado con SSTA frías en el CS.
Esta relación es consistente con otros estudios que destacan la influencia de ENSO
en la variabilidad del CLLJ y la SST en el CS durante el verano boreal (Wang et al.
2008; Amador et al. 2010; Martin y Schumacher 2011).
El modo de Viento Meridional también muestra correlaciones negativas
significativas con el ONI, que persisten aún con varios meses de retraso. Las
correlaciones más fuertes (en torno a -0.6) se obtienen con el ONI de noviembre a
febrero (Fig. 29a), meses en los que se presenta este modo y ENSO alcanza su etapa
madura. Cuando se desarrolla un episodio de El Niño, tiende a ocurrir la fase negativa
del modo de Viento Meridional. Esto significa que el patrón de anomalías del viento
sería opuesto al representado en las Figuras 18j-l, indicando la posible formación de
una anomalía de baja presión en la costa sureste de los Estados Unidos, ya reportada
en la literatura sobre las respuestas atmosféricas de la región a las fases cálidas de
ENSO (Wallace y Gutzler 1981; Klein et al. 1999). Junto con estas anomalías del
viento, el CS y el Océano Atlántico adyacente podrían experimentar un calentamiento
anómalo, mientras que el GM presentaría anomalías frías.
Diversos estudios señalan que, durante el invierno y la primavera boreal, la
teleconexión Pacífico-Atlántico es más fuerte (Curtis y Hastenrath 1995; Enfield y
Mayer 1997; Huang et al. 2002; Alexander y Scott 2002; Muñoz y Enfield 2011). Como
se aprecia en la Figura 29a, las máximas correlaciones positivas entre el modo de
Dipolo y el ONI de diciembre a febrero, de alrededor de 0.6, confirman la importancia
de ENSO durante el invierno para el desarrollo de la respuesta acoplada viento-SST
en la primavera siguiente. El dipolo de SSTA que ocurre en marzo-abril es bastante
4 Resultados y discusión
62
consistente con el calentamiento observado en el TNA durante la primavera después
de un evento de El Niño. El debilitamiento de los vientos alisios del hemisferio norte
conduce a una reducción en las pérdidas de calor sensible y latente en la región
(Enfield y Mayer 1997; Alexander y Scott 2002; Muñoz et al. 2010).
En cuanto a las conexiones entre los patrones acoplados y la NAO, la Figura 29b
muestra correlaciones significativas del NAOI de febrero y marzo con los modos de
Dipolo y de Transición, que representan aproximadamente el 35-55% de la varianza.
Son correlaciones de signo negativo y la más fuerte se obtiene entre el NAOI de
febrero y el modo de Dipolo (en torno a -0.7). De manera que, cuando la NAO es
negativa en invierno, tienden a establecerse las fases positivas de los modos de
Dipolo y de Transición (Figs. 18a-d) en la siguiente primavera y principios del verano,
lo cual es consistente con el debilitamiento de los vientos alisios en el TNA asociado
con esta fase de la NAO. Lo contrario ocurre durante una NAO positiva. Por su parte,
el modo Interoceánico y el de Viento Meridional mostraron independencia respecto
de la variabilidad de la NAO (Fig. 29b).
Según las series históricas del ONI y el NAOI (Fig. 12), el ENSO puede
permanecer varios meses en la misma fase, sin cambios bruscos de un mes a otro;
en contraste, la NAO evidencia una gran variabilidad estacional y domina típicamente
en invierno (p. ej., Fig. 9). La distinta naturaleza de ambas oscilaciones se refleja en
los resultados de la Figura 29, donde se percibe una diferencia considerable en
cuanto al retraso en las correlaciones significativas de los modos acoplados con el
ONI y el NAOI. La correlación con ENSO es persistente en el tiempo, por
consiguiente, su señal en la variabilidad acoplada del CS&GM puede anticiparse
mucho más que en el caso de la NAO.
Hasta este punto, dos conclusiones importantes surgen del análisis de
correlaciones con los índices ONI y NAOI. En primer lugar, ENSO se vincula con casi
todos los modos acoplados del CS&GM, mientras que la NAO está asociada sólo con
los modos de Dipolo y de Transición. En segundo orden, el patrón de Dipolo puede
ser modulado por ambos fenómenos de teleconexión. Las correlaciones del modo de
Dipolo con ONI y NAOI, de signos contrarios, indican que los efectos de ENSO y la
NAO sobre este modo podrían contrarrestarse cuando están en la misma fase y
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
63
reforzarse si están en fases opuestas. Se podría inferir que la respuesta del modo de
Dipolo tiende a ser similar tanto frente a una NAO negativa (positiva) como ante un
episodio cálido (frío) de ENSO. Para ilustrar esta idea, la Figura 30 proporciona las
series de tiempo del ONI y la NAOI correspondientes al mes de febrero (el mes central
del trimestre enero-marzo), así como del CCAI para el modo de Dipolo.
Figura 30. Series de tiempo de los índices NAOI y ONI para el trimestre enero-marzo (EFM) y del modo de Dipolo.
En la Figura 31 se grafican las fases del modo de Dipolo en función de los valores
del ONI y el NAOI en invierno, a lo largo del período de estudio. La fase negativa
(CCAI<-0.5) del modo de Dipolo estuvo presente en 13 años, de los cuales nueve
coincidieron con una NAO positiva; además, se observa una clara tendencia a
presentarse en ausencia de un ENSO cálido. Mientras, de los ocho años con
presencia de un modo de Dipolo positivo (CCAI>0.5), seis sucedieron tras un evento
cálido de ENSO, con una tendencia a coincidir con una fase negativa de la NAO. En
la Figura 31 se ha resaltado el 10% de los años más positivos con color rojo, y el 10%
de los años más negativos con color azul. La ubicación de estos casos extremos en
el gráfico de dispersión confirma que la fase positiva del Dipolo es favorecida por un
ENSO cálido, mientras que la negativa se asocia más con una NAO positiva.
4 Resultados y discusión
64
Figura 31. Fases del modo de Dipolo (marzo-abril) en función del ONI y del NAOI para el mes de
febrero previo, de 1982 a 2016. Las líneas discontinuas marcan los umbrales para las fases positivas y negativas del ONI y el NAOI. El 10% de los eventos más positivos y de los más negativos del
Dipolo se han coloreado en rojo y azul, respectivamente.
¿Cómo se explica que en algunos años una fase positiva o negativa del modo de
Dipolo surge en primavera y las anomalías del mismo signo pueden extenderse hasta
el verano y el otoño (Fig. 22), a pesar de que el signo de la correlación significativa
con ENSO (Fig. 29a) cambia del modo de Dipolo al modo Interoceánico? La evolución
de ENSO indica que la fase final de un evento cálido o frío a menudo coincide con la
primavera, mientras que el inicio de un nuevo evento generalmente ocurre durante la
primavera y/o el verano (McGregor et al. 2012, y las referencias ahí incluidas). Por lo
tanto, un cambio de fase de ENSO entre la primavera y el verano podría permitir que
la respuesta de las anomalías acopladas en el CS se mantenga y se fortalezca. Sin
embargo, este cambio de signo en temporadas consecutivas no ocurre con
frecuencia.
Un Pacífico anómalamente cálido puede no ser suficiente para que se desarrolle
el modo de Dipolo. La interacción con otros procesos que afectan la variabilidad del
TNA, como la NAO, puede inhibir o reforzar este patrón de anomalías acopladas. Por
ejemplo, la fase positiva más fuerte del modo de Dipolo se observa en 2010 (Fig. 30),
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
65
cuando un ENSO cálido intenso en el invierno anterior (2009-2010) coincidió con la
NAO más negativa de todo el período. A principios del verano de 2010, ENSO se
invirtió a un evento frío, lo que permitió el reforzamiento y la persistencia de las
anomalías de viento-SST en el Caribe durante ese año (Fig. 22).
El rápido cambio de la fase cálida a una fase fría intensa del ENSO en 2009-2010
es único. Los posibles mecanismos para esta transición acelerada son sugeridos por
Kim et al. (2011). Según estos autores, el calentamiento atípico del Océano Índico
desencadenó una anomalía de vientos del este sobre el Pacífico occidental que
condujo a la propagación de una anomalía fría subsuperficial hacia el este. Este
proceso, en combinación con el reflejo de una fuerte onda de Rossby activada por el
calentamiento récord en la zona central del Pacífico ecuatorial, favoreció una
transformación rápida hacia condiciones de La Niña.
4.6 Respuesta de la precipitación a la variabilidad acoplada
océano-atmósfera
Las anomalías acopladas viento-SST a escala interanual en el CS&GM pueden
tener implicaciones para el clima, no sólo de esta región sino también de otras áreas
oceánicas y terrestres adyacentes. Para validar esta hipótesis, en esta sección se
analizan las anomalías de precipitación asociadas con los modos principales
obtenidos mediante el CCA. En las Figuras 32-33 se muestran los porcentajes de
aumento o disminución en los acumulados de precipitación de noviembre a marzo y
de mayo a octubre, períodos poco lluvioso y lluvioso, respectivamente. Los
porcentajes se calculan respecto al promedio climatológico y están basados en las
anomalías de precipitación asociadas al CCAI del primer modo acoplado para cada
mes. Sólo se muestran porcentajes en los puntos de malla donde las anomalías de
precipitación están significativamente correlacionadas con los CCAIs, y se
superponen los patrones asociados de anomalías de viento. La distribución general
de estas anomalías de precipitación calculadas con CHIRPS son consistentes con
las obtenidas a partir de los datos de ERA-Interim (Anexos I y II). En cuanto a la
magnitud de las anomalías, en ocasiones se observan valores superiores en los
mapas obtenidos con ERA-Interim.
4 Resultados y discusión
66
Figura 32. Porcentajes de aumento (valores positivos) o disminución (valores negativos) de la precipitación y anomalías del campo de viento asociados con el modo acoplado principal en: a)
noviembre, b) diciembre, c) enero, d) febrero, e) marzo y f) abril.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
67
Figura 33. Ídem a la Figura 32, pero para los meses de: a) mayo, b) junio, c) julio, d) agosto, e) septiembre y f) octubre.
4 Resultados y discusión
68
Los patrones de precipitación asociados con el modo de Dipolo (marzo-abril)
muestran una respuesta débil y poco clara sobre el dominio (Figs. 32e-f), aunque sí
se observa una tendencia al aumento de las precipitaciones en zonas del TNA
adyacente al CS y sobre el Pacífico ecuatorial-oriental. En el caso del modo de Viento
Meridional (noviembre-febrero; Figs. 32a-d), se sugiere un posible efecto sobre la
precipitación en el sureste de los Estados Unidos, especialmente sobre la península
de la Florida, mostrando, un déficit de las cantidades de lluvia de al menos un 20-
25%. Este resultado indica un posible impacto del modo de Viento Meridional en las
fluctuaciones del flujo meridional de humedad desde el Caribe hacia el sur de los
Estados Unidos. Es conocido que gran parte de la humedad disponible para la lluvia
en los Estados Unidos es transportada por la rama del CLLJ que gira hacia el norte
(Wang 2007). Además, en estos meses del año, los frentes fríos y las circulaciones
meridionales asociadas a las masas de aire que los acompañan también juegan un
papel importante sobre los flujos de humedad y la precipitación en esta región. Al
mismo tiempo, se puede percibir un incremento en las precipitaciones sobre algunas
áreas al norte de Sudamérica.
La variabilidad de la precipitación en el CS parece ser especialmente sensible a
la señal acoplada de anomalías de viento-SST de mayo a octubre, meses
coincidentes con el período lluvioso en la región (Fig. 33). Las SSTA cálidas en el CS,
favorecidas por los modos de Transición e Interoceánico, constituyen una fuente
importante de calor y humedad que, cuando los vientos alisios se debilitan,
desencadenan convección profunda y precipitaciones entre 20% a 60% por encima
del promedio. La mayor intensidad y cobertura espacial de estas anomalías se
observan durante julio-agosto (Figs. 33c-d), cuando la señal se extiende más al oeste
desde el CS y alcanza las regiones del este-sureste de México y el occidente de CA.
Desde una perspectiva termodinámica, la respuesta de la precipitación es
consistente con la ecuación de Clausius-Clapeyron. Una pequeña perturbación por
encima de las altas SSTs climatológicas (aproximadamente 28°C) sobre el CS podría
causar cambios significativos en la evaporación (Salby 1996). Estas condiciones
favorecen el incremento de la humedad disponible para la precipitación. Desde una
perspectiva dinámica, el fortalecimiento o debilitamiento de los vientos del este puede
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
69
modular la precipitación de verano (p. ej., Taylor et al. 2002). Los patrones de viento
de junio a octubre (Figs. 33b-f) confirman que el CLLJ está correlacionado
inversamente con las anomalías de precipitación en el CS, particularmente en julio-
agosto. Este es el período en que se produce la MSD en el CS, nordeste y sur de
México y la costa del Pacífico de CA (Magaña et al. 1999; Gamble et al. 2008;
Perdigón-Morales et al. 2018). La MSD está en fase con las fluctuaciones
estacionales de la circulación atmosférica en niveles bajos, dominada por los alisios
y el CLLJ (Magaña y Caetano 2005; Amador et al. 2010; Herrera et al. 2015).
Las anomalías del viento en el CS&GM sugieren una circulación de niveles bajos
opuesta a la dorsal subtropical que domina sobre la región durante el verano, debido
a la extensión hacia el oeste del NASH (Romero-Centeno et al. 2007). De junio a
agosto, el centro de esta anomalía ciclónica experimenta una fluctuación zonal,
avanzando hacia el oeste hasta el GM, pero en septiembre-octubre se retira
nuevamente del GM. De acuerdo con el modelo de Gill (1980), una anomalía de
circulación ciclónica (anticiclónica) en superficie se origina al noroeste de la fuente de
calor, análoga aquí a la región caliente (fría) en el CS (Figs. 18c-h y Fig. 33). Por lo
tanto, estas anomalías en la circulación implican una influencia más débil de la dorsal
anticiclónica y un debilitamiento de las altas presiones que generalmente se
desarrollan en el GM. Estas condiciones conducen a una menor subsidencia en la
región y son más favorables para el ascenso del aire húmedo (p. ej., Magaña et al.
1999; Maldonado et al. 2017). Curtis y Gamble (2008) describen que la MSD aparece
a principios de junio en el Caribe oriental y se extiende hacia el oeste a lo largo de la
temporada lluviosa, con la expansión estacional del NASH. Por consiguiente, los
patrones acoplados de viento-SST identificados en este estudio podrían jugar un
papel importante en la variabilidad estacional de la MSD.
Las anomalías de precipitación asociadas con el modo Interoceánico (julio-
octubre; Figs. 33c-f) confirman previas evidencias acerca del efecto modulador de las
SSTA en el Pacífico y el Atlántico sobre la lluvia en CA durante los meses de la MSD
y a finales del período lluvioso (Alfaro 2007; Maldonado y Alfaro 2010; 2011;
Maldonado et al. 2013, 2016b). Taylor et al. (2002) y Spence et al. (2004) sugieren
que estas SSTA de signo opuesto en las cuencas tropicales del Pacífico y el Atlántico
4 Resultados y discusión
70
influyen en las precipitaciones del Caribe a fines del verano. El modo Interoceánico
parece estar vinculado a la evolución espacio-temporal de la precipitación sobre CA,
el CS y el TNA adyacente, así como las Guyanas y el norte de Colombia y Venezuela.
¿Por qué el efecto en la precipitación de verano es tan evidente en julio y agosto,
pero en septiembre es más débil (Figs. 33c-e), a pesar de que los patrones de
variabilidad acoplada viento-SST son muy similares entre sí? Como se sugirió
anteriormente, esto podría depender del estado base, es decir, de los promedios
climatológicos de estas variables en cada mes, y su fluctuación intraestacional.
Durante julio-agosto, los vientos del este más intensos favorecen la homogeneización
vertical de las masas de aire, la alta cizalladura vertical del viento y SSTs
relativamente más frías en el CS, lo que conduce a la supresión de la convección
profunda organizada (Wang 2007; Amador et al. 2010; Martin y Schumacher 2011).
En contraste, durante septiembre, los vientos del este son más débiles y las SSTs
más cálidas y se produce el segundo máximo de precipitación del período lluvioso
(Gamble et al. 2008; Maldonado 2015). Por ende, la fase positiva de los principales
modos acoplados en julio, agosto y septiembre favorece un aumento de la
precipitación en casi todo el CS y CA, pero en julio y agosto este aumento representa
una mayor fracción con respecto al mínimo relativo de precipitación que se produce
a mediados del verano, es decir, la MSD.
Sobre el suroeste del CS, hacia la vertiente caribeña de Costa Rica y Panamá,
se destaca un área relativamente pequeña que no muestra anomalías de
precipitación positivas significativas (Fig. 33). Tal comportamiento se observa en
regiones donde no ocurre la MSD. Particularmente, en Panamá la orientación de la
topografía es diferente al resto de CA; allí la cordillera se extiende de este a oeste
(Poveda et al. 2006) y, por ello, su interacción con la circulación local puede ser
diferente. Esto refuerza la idea de que la influencia de los modos acoplados en la
variabilidad regional se observa principalmente en la región de MSD.
Por otro lado, las anomalías de viento del suroeste a lo largo del cinturón de los
vientos alisios indican un fortalecimiento (debilitamiento) de los alisios del sur (norte)
y, junto con las anomalías de precipitación, sugieren un posible impacto en la ITCZ
del Pacífico oriental (Figs. 33c-f). Los patrones de anomalías para la fase positiva de
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
71
los modos acoplados pueden reflejar un desplazamiento de la ITCZ hacia el norte, de
acuerdo con la disminución de la precipitación al sur de su posición media (~10°N) y
un aumento del transporte de humedad hacia el continente, en consonancia con una
mayor precipitación en CA y el sur de México. El déficit de precipitación al sur de la
posición media de la ITCZ es consistente con el enfriamiento del Pacífico oriental que
evidencia el modo Interoceánico (Figs. 18e-h), a diferencia del calentamiento
producido en la cuenca del CS. Hidalgo et al. (2015) propusieron un mecanismo
dinámico que vincula el CLLJ y el desplazamiento meridional de la ITCZ del Pacífico
oriental con la precipitación en CA. Nuestros resultados confirman que los cambios
en la circulación atmosférica en el CS y el Pacífico tropical oriental, junto con las
SSTA, están relacionados con el desplazamiento latitudinal de la ITCZ y la
precipitación durante el verano.
La correlación negativa del modo Interoceánico con ENSO (Fig. 29a), indica que
durante los eventos de El Niño podrían esperarse patrones de precipitación anómalos
opuestos a los de las Figuras 33c-f. En otras palabras, estas anomalías de
precipitación tienden a ocurrir cuando se presenta un evento de La Niña. Estos
resultados son consistentes con Amador (2008), quien encontró que, durante el
verano, asociadas con episodios cálidos (fríos) de ENSO, se registran precipitaciones
por debajo (encima) de lo normal en el CS y en la vertiente del Pacífico de CA.
Con respecto a México, el impacto de ENSO ha sido analizado por Magaña et al.
(2003) y Vázquez-Aguirre (2007). Estos autores señalan que un ENSO cálido (frío)
en verano favorece anomalías de precipitación negativas (nulas o positivas) en la
mayor parte del país. Además, explican que la disminución de la precipitación
observada durante un evento de El Niño se relaciona con la subsidencia reforzada
por el desplazamiento hacia el sur de la ITCZ y un menor número de ciclones
tropicales en los mares interamericanos.
72
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
73
5 CONCLUSIONES
El CS&GM se caracteriza por ser una zona de acumulación de calor y humedad,
arrastrados por los vientos alisios, en la porción occidental del Atlántico Norte tropical.
Las características climáticas de la región están determinadas, en gran medida, por
la influencia del NASH, el CLLJ y su variabilidad estacional e interanual, los cambios
en la piscina cálida del hemisferio occidental, así como por la influencia del
forzamiento remoto de fenómenos como el ENSO y la NAO.
La naturaleza variable del acoplamiento viento-SST a lo largo del año en el
CS&GM se examinó a partir del análisis de correlación canónica (CCA) entre las
anomalías mensuales de estas dos variables para el período 1982-2016. Cada uno
de los modos de variabilidad obtenidos mediante el CCA consiste en un par de
estructuras espaciales de viento y SST y sus correspondientes series de tiempo, las
cuales tienen máxima correlación entre sí. Esta investigación se enfocó,
fundamentalmente, en el primer modo acoplado de cada mes, el cual presenta el
máximo coeficiente de correlación canónica y, además, explica la mayor fracción de
la covarianza entre ambos campos sobre la región de estudio.
Los patrones de anomalías viento-SST obtenidos mediante el CCA para cada
mes, evidenciaron que los modos acoplados presentan una gran dependencia
estacional. Este comportamiento también se observó en los mapas de la varianza
local explicada. Tomando esto en consideración, los modos dominantes de
variabilidad interanual acoplada viento-SST se clasificaron en cuatro tipos de
configuraciones: el modo de Dipolo (marzo-abril), el modo de Transición (mayo-junio),
el modo Interoceánico (julio-octubre) y el modo de Viento Meridional (noviembre-
febrero). La Figura 34 resume las características espaciales de estos patrones de
anomalías.
El modo de Dipolo es característico de los meses de marzo y abril, y está muy
influenciado por anomalías de la componente zonal del viento acopladas con SSTA
cálidas en el CS y frías en el GM. En mayo y junio este patrón se debilita en el GM,
aunque en el CS el acoplamiento persiste. A este patrón de mayo-junio se le
denominó modo de Transición. A partir de julio se polarizan las anomalías de SST:
5 Conclusiones
74
cálidas en el CS y frías en el Pacífico adyacente a México y CA, en combinación con
anomalías de viento del suroeste. Este patrón se identificó como modo Interoceánico
y es el patrón de variabilidad acoplada más prominente hasta octubre. De noviembre
a febrero se observa el modo de Viento Meridional, dominado por anomalías de la
componente meridional del viento acopladas con SSTA frías en la mayor parte del
CS y cálidas en el GM.
Dipolo (marzo-abril) Transición (mayo-junio)
Interoceánico (julio-octubre) Meridional (noviembre-febrero)
Figura 34. Esquema de las configuraciones de anomalías de viento-SST acopladas para los modos de Dipolo, de Transición, Interoceánico y de Viento Meridional. SST + (-) indica anomalías de SST positivas (negativas) y el tamaño de fuente simboliza la intensidad relativa de estas anomalías. La línea discontinua divide regiones de diferentes signos de anomalías de SST. Las flechas indican la
dirección de las anomalías del viento.
El análisis de correlación con los índices del ENSO (ONI) y de la NAO (NAOI)
revela que la variabilidad interanual de los principales patrones acoplados en el
CS&GM, excepto el modo de Transición, es sensible a la señal del ENSO. El modo
de Dipolo presenta una correlación positiva con ENSO, mientras que los modos
Interoceánico y de Viento Meridional sostienen una correlación inversa con este
fenómeno. Estas conexiones persisten incluso con varios meses de retraso. Las
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
75
correlaciones entre el modo de Dipolo y el ONI resaltan la importancia del ENSO para
el desarrollo de la principal señal acoplada de viento-SST durante la primavera.
Por su parte, el NAOI de invierno muestra una fuerte correlación negativa con los
modos de Dipolo y de Transición. En consecuencia, el modo de Dipolo puede ser
modulado tanto por ENSO como por la NAO de invierno. La fase negativa del modo
de Dipolo se asocia más frecuentemente con una NAO positiva en el invierno anterior,
combinada con un ENSO frío o neutro; mientras que la fase positiva del Dipolo se
relaciona principalmente con un ENSO cálido, en ausencia de una NAO positiva. Las
relaciones antisimétricas del modo de Dipolo con la NAO y ENSO nos confirman
evidencias previas sobre la influencia de sus forzamientos remotos en la variabilidad
del TNA (Giannini et al. 2001; Czaja et al. 2002; Alexander y Scott 2002; Wang 2004;
Enfield et al. 2006; Muñoz et al. 2010; Muñoz y Enfield 2011). Como continuación de
este trabajo, sería interesante investigar los mecanismos físicos a través de los cuales
el ENSO y la NAO influyen en el acoplamiento viento-SST en el CS&GM, teniendo en
cuenta la combinación de sus forzamientos sobre el modo de Dipolo y la asimetría de
las relaciones encontradas.
Las anomalías de precipitación asociadas con los principales modos del CCA
indican que el acoplamiento regional océano-atmósfera modula el período lluvioso en
la región del CS&GM, particularmente la variabilidad estacional de la canícula o MSD.
Hay regiones con anomalías de precipitación de aproximadamente 20-60% por
encima o por debajo de su climatología mensual, en dependencia de la fase del patrón
acoplado. En particular, en julio y agosto se observan grandes anomalías de
precipitación en las regiones del este y sur de México, el oeste de CA y el Pacífico
oriental. Alrededor del CLLJ, las anomalías de precipitación se correlacionan
inversamente con la intensidad de los vientos del este.
De junio a agosto, los patrones de viento asociados a los modos acoplados
muestran una circulación ciclónica superficial anómala que se traslada gradualmente
hacia el oeste; pero en septiembre-octubre, se retira nuevamente del GM. Tal
desplazamiento este-oeste de la anomalía ciclónica puede asociarse con variaciones
del NASH y, por ende, con fluctuaciones en la subsidencia sobre la región. El centro
de la circulación ciclónica parece seguir a las zonas donde se desarrolla la MSD, por
5 Conclusiones
76
lo que se sugiere que los modos de verano acoplados podrían regular el patrón
bimodal de precipitación en la región y la variabilidad interanual de la MSD. Estos
resultados resaltan la importancia del CS como fuente de humedad para la
precipitación durante el verano en CA y el nordeste y sur de México, especialmente
en aquellos meses donde ocurre la MSD. Según Ordoñez et al. (2019), la contribución
del CS a los procesos de transporte de humedad se extiende también hacia la región
del noroeste de México.
Asimismo, las anomalías de precipitación asociadas con el modo Interoceánico
confirman el papel esencial de la asimetría entre las SSTA del Pacífico y el Atlántico
sobre la variabilidad de la precipitación en CA, durante los meses de la MSD y hacia
finales del verano (Alfaro 2007; Maldonado y Alfaro 2010, 2011; Maldonado et al.
2013, 2016b; Spence et al. 2004; Taylor et al. 2002).
Las anomalías en los vientos alisios pueden tener un impacto en la migración
meridional de la ITCZ del Pacífico oriental entre los meses de junio a octubre, como
sugieren también Hidalgo et al. (2015). La fase positiva del modo Interoceánico puede
favorecer un desplazamiento hacia el norte de la ITCZ y una intensificación del
transporte de humedad hacia el continente. Bajo estas condiciones, se espera una
mayor precipitación en CA, el sur de México y el océano Pacífico adyacente, así como
un enfriamiento relativo del Pacífico oriental y un calentamiento del CS. Por tanto, los
vientos de niveles bajos en el CS y el Pacífico oriental junto con las SSTA están
relacionados con la variabilidad en la posición de la ITCZ y la precipitación regional
durante el verano.
La correlación negativa entre el modo Interoceánico y el ONI sugiere que un
ENSO cálido tendería a causar un desplazamiento anómalo hacia el sur de la ITCZ.
Esto puede estar en correspondencia con condiciones más secas en el CS y las
regiones continentales sensibles al patrón acoplado de verano, y con mayores
acumulados de precipitación sobre el océano lejos de las costas centroamericanas.
Una cuestión interesante que surge de este trabajo es cómo se puede mejorar la
habilidad predictiva de los modos acoplados cuando se conoce la variabilidad de la
NAO y de ENSO, especialmente durante la primavera. Muchos autores han señalado
que otros procesos pueden modular la variabilidad interanual del TNA, como el patrón
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
77
Pacífico-Norte América y la Oscilación Multidecadal del Atlántico (p. ej., Barnston y
Livezey 1987; Enfield et al. 2001; Hurrell et al. 2003; Muñoz et al. 2010; Muller-Karger
et al. 2015; Liu et al. 2015). La inclusión de estos forzamientos climáticos, además de
los estudiados aquí, puede mejorar las habilidades potenciales de los pronósticos
estacionales con varios meses de anticipación. Para evaluar la capacidad predictiva,
el análisis realizado en este estudio podría repetirse utilizando datos retrospectivos
de reforecast, por ejemplo, del NCEP Climate Forecast System Version 2. Este
conocimiento nos daría más elementos para mejorar la capacidad de pronóstico
estacional en el CS&GM y las áreas continentales cercanas.
Parte de los resultados de esta tesis han sido publicados en el artículo titulado
Coupled interannual variability of wind and sea surface temperature in the Caribbean
Sea and the Gulf of Mexico, en la revista Journal of Climate (Rodríguez-Vera et al.
2019).
5 Conclusiones
78
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
79
6 REFERENCIAS
Agencia Estatal de Meteorología, 2019: Diccionario ilustrado de meteorología.
Copyright: NOAA. Recuperado de:
https://meteoglosario.aemet.es/es/termino/340_oscilacion-del-atlantico-norte-nao
Alexander, M., y J. Scott, 2002: The influence of ENSO on air‐sea interaction in
the Atlantic. Geophys. Res. Lett., 29, https://doi.org/10.1029/2001GL014347.
Alfaro, E. J., 2007: Uso del análisis de correlación canónica para la predicción de
la precipitación pluvial en Centroamérica. Ing. Compet., 9, 33–48.
Alvarado, L. F., y Fernández, W., 2001: Variabilidad interanual y estacional de la
atmósfera libre sobre Costa Rica durante eventos de El Niño. Top. Meteor.
Oceanogr., 8, 116-144.
Amador, J. A., y E. Alfaro, 1996: La Oscilación Cuasi-Bienal, ENOS y
acoplamiento de algunos parámetros superficiales y estratosféricos sobre Costa Rica.
Top. Meteor. Oceanogr., 3, 45-54.
________, 1998: A climatic feature of the tropical Americas: The trade wind
easterly jet. Top. Meteor. Oceanogr., 5, 1-13.
________, y V. Magaña, 1999: Dynamics of the low level jet over the Caribbean
Sea. Third Conf. on Hurricanes and Tropical Meteorology, Dallas, TX, Amer. Meteor.
Soc., 401–402.
________, 2008: The intra‐Americas sea low‐level jet. Ann. N. Y. Acad. Sci.,
1146, 153-188, https://doi.org/10.1196/annals.1446.012.
________, E. J. Alfaro, E. R. Rivera y B. Calderón, 2010: Climatic features and
their relationship with tropical cyclones over the Intra-Americas seas. Hurricanes and
Climate Change, 2, J. B. Elsner, R. E. Hodges, J. C. Malmstadt y K. N. Scheitlin,
Springer, 149-173, https://doi.org/10.1007/978-90-481-9510-79.
________, A. M. Durán-Quesada, E. R. Rivera, G. Mora, F. Sáenz, B. Calderón,
y N. Mora, 2016: The easternmost tropical Pacific. Part II: Seasonal and intraseasonal
modes of atmospheric variability. Rev. Biol. Trop, 64, S23-S57,
https://doi.org/10.15517/rbt.v64i1.23409.
Ångström, A. ,1935: Teleconnections of climatic changes in present time.
Geografiska Annaler, 242-258, https://doi.org/10.2307/519964.
6 Referencias
80
Barnett, T. P., y R. Preisendorfer, 1987: Origins and levels of monthly and
seasonal forecast skill for United States surface air temperatures determined by
canonical correlation analysis. Mon. Wea. Rev., 115, 1825-1850,
https://doi.org/10.1175/1520-0493(1987)115<1825:OALOMA>2.0.CO;2.
Barnston, A. G., y R. E. Livezey, 1987: Classification, seasonality and persistence
of low-frequency atmospheric circulation patterns. Mon. Wea. Rev., 115, 1083-1126,
https://doi.org/10.1175/1520-0493(1987)115<1083:CSAPOL>2.0.CO;2.
Barton, E. D., y Coautores, 1993: Supersquirt: dynamics of the Gulf of
Tehuantepec, Mexico. Oceanography, 6, 23-30,
https://doi.org/10.5670/oceanog.1993.19.
Bjerknes, J., 1969: Atmospheric teleconnections from the equatorial Pacific. Mon.
Wea. Rev., 97, 163-172, https://doi.org/10.1175/1520-
0493(1969)097<0163:ATFTEP>2.3.CO;2
Bretherton, C. S., C. Smith, y J. M. Wallace, 1992: An intercomparison of methods
for finding coupled patterns in climate data. J. Climate, 5, 541-560,
https://doi.org/10.1175/1520-0442(1992)005<0541:AIOMFF>2.0.CO;2.
Chang, Y. L., y L. Y. Oey, 2013: Coupled response of the trade wind, SST
gradient, and SST in the Caribbean Sea, and the potential impact on Loop Current's
interannual variability. J. Phys. Oceanogr., 43, 1325-1344,
https://doi.org/10.1175/JPO-D-12-0183.1.
Centro de Predicciones Climáticas de la NOAA, 2019: North Atlantic Oscillation
Map (Positive Phase). National Weather Service. Recuperado de:
http://www.cpc.ncep.noaa.gov/data/teledoc/nao_map.shtml.
Cook, K. H., y E. K. Vizy, 2010: Hydrodynamics of the Caribbean low-level jet and
its relationship to precipitation. J. Climate, 23, 1477-1494,
https://doi.org/10.1175/2009JCLI3210.1.
Curtis, S., y S. Hastenrath, 1995: Forcing of anomalous sea surface temperature
evolution in the tropical Atlantic during Pacific warm events. J. Geophys. Res.:
Oceans, 100, 15835-15847, https://doi.org/10.1029/95JC01502.
________, y D. W. Gamble, 2008: Regional variations of the Caribbean mid-
summer drought. Theoretical and Applied Climatology, 94, 25-34,
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
81
https://doi.org/0.1007/s00704-007-0342-0.
________, y D. W. Gamble, 2016: The boreal winter Madden‐Julian Oscillation's
influence on summertime precipitation in the greater Caribbean, J. Geophys. Res.:
Atmos., 121, 7592-7605, https://doi.org/10.1002/2016JD025031.
Czaja, A., P. Van der Vaart, y J. Marshall, 2002: A diagnostic study of the role of
remote forcing in tropical Atlantic variability. J. Climate, 15, 3280-3290,
https://doi.org/10.1175/1520-0442(2002)015<3280:ADSOTR>2.0.CO;2.
Dee, D. P., y Coautores, 2011: The ERA‐Interim reanalysis: Configuration and
performance of the data assimilation system. Quart. J. Roy. Meteor. Soc., 137, 553-
597, https://doi.org/10.1002/qj.828.
Deser, C., M. A. Alexander, S. P. Xie, y A. S. Phillips, 2010: Sea surface
temperature variability: Patterns and mechanisms. Annual review of marine science,
2, 115-143, https://doi.org/10.1146/annurev-marine-120408-151453.
División de Ciencias Físicas ESRL/NOAA, 2019: Western Hemisphere warm pool.
Basado en HadISST y NOAA OI SST. Recuperado de:
https://www.esrl.noaa.gov/psd/data/correlation/whwp.data.
Durán-Quesada, A. M., L. Gimeno, J. A. Amador, y R. Nieto, 2010: Moisture
sources for Central America: Identification of moisture sources using a Lagrangian
analysis technique. J. Geophys. Res.: Atmos., 115,
https://doi.org/10.1029/2009JD012455.
Enfield, D. B., y D. A. Mayer, 1997: Tropical Atlantic sea surface temperature
variability and its relation to El Niño‐Southern Oscillation. J. Geophys. Res.: Oceans,
102, 929-945, https://doi.org/10.1029/96JC03296.
_______, 1989: El Niño, past and present. Reviews of Geophys., 27, 159-187,
https://doi.org/10.1029/RG027i001p00159.
________, y E. J. Alfaro, 1999: The dependence of Caribbean rainfall on the
interaction of the tropical Atlantic and Pacific Oceans. J. Climate, 12, 2093-2103,
https://doi.org/10.1175/1520-0442(1999)012<2093:TDOCRO>2.0.CO;2.
________, A. M. Mestas‐Nuñez, y P. J. Trimble, 2001: The Atlantic multidecadal
oscillation and its relation to rainfall and river flows in the continental US. Geophys.
Res. Lett., 28, 2077-2080, https://doi.org/10.1029/2000GL012745.
6 Referencias
82
________, S. K. Lee, y C. Wang, 2006: How are large western hemisphere warm
pools formed? Prog. in Oceanogr., 70, 346-365,
https://doi.org/10.1016/j.pocean.2005.07.006.
Fallas-López, B., y E. J. Alfaro, 2012: Uso de herramientas estadísticas para la
predicción estacional del campo de precipitación en América Central como apoyo a
los Foros Climáticos Regionales. 2: Análisis de Correlación Canónica. Rev. Climatol.,
12, 93–105.
Fonseca C., 2008: La Oscilación del Atlántico Norte, los índices de circulación
atmosférica y la lluvia en Cuba, Tesis Doctoral, Universidad de La Habana.
Frankignoul, C., y E. Kestenare, 2005: Air–sea interactions in the tropical Atlantic:
A view based on lagged rotated maximum covariance analysis. J. Climate, 18, 3874-
3890, https://doi.org/10.1175/JCLI3498.1.
Funk, C., y Coautores, 2015: The climate hazards infrared precipitation with
stations—a new environmental record for monitoring extremes. Sci. Data, 2, 1-21,
https://doi.org/10.1038/sdata.2015.66.
Gamble, D. W., D. B. Parnell, y S. Curtis, 2008: Spatial variability of the Caribbean
mid‐summer drought and relation to north Atlantic high circulation. Int. J. Climatol., 28,
343-350, https://doi.org/10.1002/joc.1600
George, S. E., y M. A. Saunders, 2001: North Atlantic Oscillation impact on tropical
north Atlantic winter atmospheric variability. Geophys. Res. Lett., 28, 1015-1018,
https://doi.org/10.1029/2000GL012449.
Giannini, A., Y. Kushnir, y M. A. Cane, 2000: Interannual variability of Caribbean
rainfall, ENSO, and the Atlantic Ocean. J. Climate, 13, 297-311,
https://doi.org/10.1175/1520-0442(2000)013<0297:IVOCRE>2.0.CO;2.
________, M. A. Cane, y Y. Kushnir, 2001: Interdecadal changes in the ENSO
teleconnection to the Caribbean region and the North Atlantic Oscillation. J. Climate,
14, 2867-2879, https://doi.org/10.1175/1520-
0442(2001)014<2867:ICITET>2.0.CO;2.
Gill, A., 1980: Some simple solutions for heat‐induced tropical circulation. Quart.
J. Roy. Meteor. Soc., 106, 447-462.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
83
González, P.C., 1999: Climatología de los frentes fríos que han afectado a Cuba
desde 1916-1917 hasta 1996-1997, Revista Cubana Meteorología, 6,15-19.
Gray, W. M., 1984: Atlantic seasonal hurricane frequency. Part I: El Nino and 30
mb quasi-biennial oscillation influences. Mon. Wea. Rev., 112, 1649-1668,
https://doi.org/10.1175/1520-0493(1984)112<1649:ASHFPI>2.0.CO;2.
Handoh, I. C., A. J. Matthews, G. R. Bigg, y D. P. Stevens, 2006: Interannual
variability of the tropical Atlantic independent of and associated with ENSO: Part I.
The North Tropical Atlantic. Int. J. Climatol., 26, 1937-1956,
https://doi.org/10.1002/joc.1343.
Hernández, B., 2002: El Niño-Oscilación del Sur (ENOS) y los frentes fríos que
arriban a la región occidental cubana. Investigaciones marinas, 30, 3-19.
Herrera, E., V. Magaña, y E. Caetano, 2015: Air–sea interactions and dynamical
processes associated with the midsummer drought. Int. J. Climatol., 35, 1569-1578,
https://doi.org/10.1002/joc.4077.
Hidalgo, H. G., A. M. Durán‐Quesada, J. A. Amador, y E. J. Alfaro, 2015: The
Caribbean low‐level jet, the inter‐tropical convergence zone and precipitation patterns
in the intra‐Americas sea: A proposed dynamical mechanism. Geografiska Annaler:
Series A, Phys. Geogr., 97, 41-59, https://doi.org/10.1111/geoa.12085.
Huang, B., P. S. Schopf, y Z. Pan, 2002: The ENSO effect on the tropical Atlantic
variability: A regionally coupled model study. Geophys. Res. Lett., 29,
https://doi.org/10.1029/2002GL014872.
Hurrell, J. W., 1995: Decadal trends in the North Atlantic Oscillation: regional
temperatures and precipitation. Science, 269, 676-679,
https://doi.org/10.1126/science.269.5224.676.
________, Y. Kushnir, G. Ottersen, y M. Visbeck, 2003: An overview of the North
Atlantic oscillation. The North Atlantic Oscillation: climatic significance and
environmental impact. Geophys. Monograph Series, Amer. Geophys. Union,
Washington, 1-35, https://doi.org/10.1029/134GM01.
________, y Coautores, 2006: Atlantic climate variability and predictability: A
CLIVAR perspective. J. Climate, 19, 5100-5121, https://doi.org/10.1175/JCLI3902.1.
6 Referencias
84
Jury, M., B. A. Malmgren y A. Winter, 2007: Subregional precipitation climate of
the Caribbean and relationships with ENSO and NAO. J. Geophys. Res.: Atmos., 112,
https://doi.org/10.1029/2006JD007541.
Kim, W., S. W. Yeh, J. H. Kim, J. S. Kug, y M. Kwon, 2011: The unique 2009–
2010 El Niño event: A fast phase transition of warm pool El Niño to La Niña. Geophys.
Res. Lett., 38, https://doi.org/10.1029/2011GL048521.
Klein, S. A., B. J. Soden, y N. C. Lau, 1999: Remote sea surface temperature
variations during ENSO: Evidence for a tropical atmospheric bridge. J. Climate, 12,
917-932, https://doi.org/10.1175/1520-0442(1999)012<0917:RSSTVD>2.0.CO;2.
Kutzbach, J. E., 1970: Large-scale features of monthly mean Northern
Hemisphere anomaly maps of sea-level pressure. Mon. Wea. Rev., 98, 708-716,
https://doi.org/10.1175/1520-0493(1970)098<0708:LSFOMM>2.3.CO;2.
Lecha, L., A. Fernández, J. Bueno, y R. López, 1987: Algunas particularidades
del campo de viento y del régimen de precipitaciones durante mayo de 1979 en la
región central de Cuba. Reporte de Investigación, 22 p.
Lee, S. K., D. B. Enfield, y C. Wang, 2008: Why do some El Niños have no impact
on tropical North Atlantic SST? Geophys. Res. Lett., 35,
https://doi.org/10.1029/2008GL034734.
Legeckis, R., 1988: Upwelling off the Gulfs of Panama and Papagayo in the
tropical Pacific during March 1985. J. Geophys. Res.: Oceans, 93, 15485-15489,
https://doi.org/10.1029/JC093iC12p15485.
Liang, J-H., J.C. McWilliams, y N. Gruber, 2009: High-frequency response of the
ocean to mountain gap winds in the northeastern tropical Pacific. J. Geophys. Res.:
Oceans, 114, https://doi.org/10.1029/2009JC005370.
Liu, Y., S. K. Lee, D. B. Enfield, B. A. Muhling, J. T. Lamkin, F. E. Muller-Karger,
y M. A. Roffer, 2015: Potential impact of climate change on the Intra-Americas Sea:
Part-1. A dynamic downscaling of the CMIP5 model projections. J. Marine Syst., 148,
56-69, https://doi.org/10.1016/j.jmarsys.2015.01.007.
Magaña, V., J. A. Amador, y S. Medina, 1999: The midsummer drought over
Mexico and Central America. J. Climate, 12, 1577-1588, https://doi.org/10.1175/1520-
0442(1999)012<1577:TMDOMA>2.0.CO;2.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
85
________, J. L. Vázquez, J. L. Pérez, y J. B. Pérez, 2003: Impact of El Niño on
precipitation in Mexico. Geofis. Int., 42, 313-330.
________, y E. Caetano, 2005: Temporal evolution of summer convective activity
over the Americas warm pools. Geophys. Res. Lett., 32,
https://doi.org/10.1029/2004GL021033.
Maldonado, T., y E. Alfaro, 2010: Propuesta metodológica para la predicción
climática estacional de eventos extremos y días con precipitación. Estudio de caso:
Sur de América Central. Rev. InterSedes, 11, 182-214.
________, y E. Alfaro, 2011: Predicción estacional para ASO de eventos
extremos y días con precipitación sobre las vertientes Pacífico y Caribe de América
Central, utilizando análisis de correlación canónica. Rev. InterSedes, 12, 78–108.
________, E. Alfaro, B. Fallas-López y L. Alvarado, 2013: Seasonal prediction of
extreme precipitation events and frequency of rainy days over Costa Rica, Central
America, using Canonical Correlation Analysis. Adv. Geosci., 33, 41-52,
https://doi.org/10.5194/adgeo-33-41-2013.
________, 2015: Aspects of climate variability during winter and summer in
Central America. Tesis Doctoral, Uppsala University, 60 p.
________, A. Rutgersson, J. Amador, E. Alfaro, y B. Claremar, 2016a: Variability
of the Caribbean low‐level jet during boreal winter: large‐scale forcings. Int. J.
Climatol., 36, 1954-1969, https://doi.org/10.1002/joc.4472.
________, A. Rutgersson, E. Alfaro, J. Amador y B. Claremar, 2016b. Interannual
variability of the midsummer drought in Central America and the connection with sea
surface temperatures, Adv. Geosc.i, 42, 35-50, https://doi.org/10.5194/adgeo-42-35-
2016.
________, E. Alfaro, A. Rutgersson y J. Amador, 2017: The early rainy season in
Central America: the role of the tropical North Atlantic SSTs. Int. J. Climatol., 37,
3731–3742, https://doi.org/10.1002/joc.4958.
Martin, E. R., y C. Schumacher, 2011: The Caribbean low-level jet and its
relationship with precipitation in IPCC AR4 models. J. Climate, 24, 5935-5950,
https://doi.org/10.1175/JCLI-D-11-00134.1.
McGregor, S., A. Timmermann, N. Schneider, M. F. Stuecker, y M. H. England,
6 Referencias
86
2012: The effect of the South Pacific convergence zone on the termination of El Niño
events and the meridional asymmetry of ENSO. J. Climate, 25, 5566-5586,
https://doi.org/10.1175/JCLI-D-11-00332.1.
Melice, J. L., y J. Servain, 2003: The tropical Atlantic meridional SST gradient
index and its relationships with the SOI, NAO and Southern Ocean. Climate Dyn., 20,
447-464, https://doi.org/10.1007/s00382-002-0289-x.
Mestas-Nuñez, A. M., D. B. Enfield, y C. Zhang, 2007: Water vapor fluxes over
the Intra-Americas Sea: Seasonal and interannual variability and associations with
rainfall. J. Climate, 20, 1910-1922, https://doi.org/10.1175/JCLI4096.1.
Mo, K. C. y M. Ghil, 1987: Statistics and dynamics of persistent anomalies. J.
Atmos. Sci., 44, 877-902, https://doi.org/10.1175/1520-
0469(1987)044<0877:SADOPA>2.0.CO;2.
Mora, I., y J. A. Amador, 2000: El ENOS, el IOS y la corriente en chorro de bajo
nivel en el oeste del Caribe, Top. Meteor. Oceanogr., 7, 1-20.
Mosiño, A. P., y E. García, 1966: Evaluación de la sequía intraestival en la
República Mexicana, Proc. Conf. Reg. Latinoamericana Unión Geogr., 3, 500-516.
Muller-Karger, F. E., y Coautores, 2015: Natural variability of surface
oceanographic conditions in the offshore Gulf of Mexico. Prog. in Oceanogr., 134, 54-
76, https://doi.org/10.1016/j.pocean.2014.12.007.
Muñoz, E., C. Wang, y D. Enfield, 2010: The Intra-Americas springtime sea
surface temperature anomaly dipole as fingerprint of remote influences. J. Climate,
23, 43-56, https://doi.org/10.1175/2009JCLI3006.1.
________, y D. Enfield, 2011: The boreal spring variability of the Intra-Americas
low-level jet and its relation with precipitation and tornadoes in the eastern United
States. Climate Dyn.,36, 247-259, https://doi.org/10.1007/s00382-009-0688-3.
Navarra, A., y V. Simoncini, 2010: A guide to empirical orthogonal functions for
climate data analysis. Springer Science and Business Media. 151 p.,
https://doi.org/10.1007/978-90-481-3702-2.
NOAA Climate.gov, 2019: El Niño and La Niña: Frequently asked questions.
Recuperado de: https://www.climate.gov/news-features/understanding-climate/el-
ni%C3%B1o-and-la-ni%C3%B1a-frequently-asked-questions.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
87
Oort, A. H., y J. J. Yienger, 1996: Observed interannual variability in the Hadley
circulation and its connection to ENSO. J. Climate, 9, 2751-2767,
https://doi.org/10.1175/1520-0442(1996)009<2751:OIVITH>2.0.CO;2.
Ordoñez, P., R. Nieto, L. Gimeno, P. Ribera, D. Gallego, C. A. Ochoa-Moya y A.
I. Quintanar, 2019: Climatological moisture sources for the Western North American
Monsoon through a Lagrangian approach: their influence on precipitation intensity.
Earth System Dynamics, 10, 59-72, https://doi.org/10.5194/esd-10-59-2019
Osorio-Tai M. E., 2015: Estudio de la Intensificación de los vientos en el Puerto
de Veracruz mediante modelación numérica, Tesis de Maestría en Ciencias,
Universidad Nacional Autónoma de México, 89p.
Paredes-Trejo, F. J., H. A. Barbosa, M. A. Peñaloza-Murillo, M. A. Moreno, y A.
Farías, 2016: Intercomparison of improved satellite rainfall estimation with CHIRPS
gridded product and rain gauge data over Venezuela. Atmósfera, 29, 323-342,
https://doi.org/10.20937/ATM.2016.29.04.04.
Park, J. H., J. S. Kug, T. Li, y S. K. Behera, 2018: Predicting El Niño beyond 1-
year lead: effect of the Western Hemisphere warm pool. Scientific reports, 8, 14957,
https://doi.org/10.1038/s41598-018-33191-7.
Peixoto, J. P., y A. H. Oort, 1984: Physics of climate. Reviews of Modern Physics,
56, 365 p., https://doi.org/10.1103/RevModPhys.56.365.
Perdigón‐Morales, J., R. Romero‐Centeno, P. Ordóñez Pérez, y B. S. Barrett,
2018: The midsummer drought in Mexico: perspectives on duration and intensity from
the CHIRPS precipitation database. Int. J Climatol., 38, 2174-2186,
https://doi.org/10.1002/joc.5322.
Philander, S. G. H., D. Gu, G. Lambert, T. Li, D. Halpern, N. C. Lau, y R. C.
Pacanowski, 1996: Why the ITCZ is mostly north of the equator. J. Climate, 9, 2958-
2972, https://doi.org/10.1175/1520-0442(1996)009<2958:WTIIMN>2.0.CO;2.
Poveda, G., P. R. Waylen, y R. S. Pulwarty, 2006: Annual and inter-annual
variability of the present climate in northern South America and southern
Mesoamerica. Palaeogeogr., Palaeoclimatol., Palaeoecol., 234, 3-27,
https://doi.org/10.1016/j.palaeo.2005.10.031.
Programa COMET, 2019: Introducción a la meteorología tropical, 2ª edición,
6 Referencias
88
Capítulo 1: Introducción. Meteorology Education and Training. Recuperado de
https://www.meted.ucar.edu/tropical/textbook_2nd_edition_es/media/graphics/globe
_hadleycell.jpg
Rauscher, S. A., F. Kucharski, y D. B. Enfield, 2011: The role of regional SST
warming variations in the drying of Meso-America in future climate projections. J.
Climate, 24, 2003-2016, https://doi.org/10.1175/2010JCLI3536.1.
Reynolds, R. W., T. M. Smith, C. Liu, D. B. Chelton, K. S. Casey, y M. G. Schlax,
2007: Daily high-resolution-blended analyses for sea surface temperature. J. Climate,
20, 5473-5496, https://doi.org/10.1175/2007JCLI1824.1.
Rodríguez-Tobar, A., I. Málikov, y N. Villegas, 2015: Analysis of Superficial Sea
Temperature Anomalies in Colombian Basin-Caribbean Sea. Póster presentado al
workshop virtual: Climate Variability in the Intra-Americas Seas, US.
Rodriguez-Vera, G., R. Romero-Centeno, C. L. Castro, y V. M. Castro, 2019:
Coupled interannual variability of wind and sea surface temperature in the Caribbean
Sea and the Gulf of Mexico. J. Climate, https://doi.org/10.1175/JCLI-D-18-0573.1.
Romero-Centeno R., J. Zavala-Hidalgo, A. Gallegos, y J. J. O'Brien, 2003:
Isthmus of Tehuantepec wind climatology and ENSO signal. J. Climate, 16, 2628-
2639, https://doi.org/10.1175/1520-0442(2003)016<2628:IOTWCA>2.0.CO;2.
________, R., J. Zavala-Hidalgo, y G. B. Raga, 2004: ENSO and NAO signals on
the Isthmus of Tehuantepec winds. In 26th Conference on Hurricanes and
Tropical Meteorology.
________, 2007: Variabilidad de parámetros meteorológicos en distintas escalas
espacio-temporales en el Pacífico Tropical Nororiental, Tesis Doctoral, Universidad
Nacional Autónoma de México.
________, J. Zavala-Hidalgo, y G. B. Raga, 2007: Midsummer gap winds and low-
level circulation over the eastern tropical Pacific. J. Climate, 20, 3768-3784,
https://doi.org/10.1175/JCLI4220.1.
Ropelewski, C. F., y M. S. Halpert, 1996: Quantifying southern oscillation-
precipitation relationships. J. Climate, 9, 1043-1059, https://doi.org/10.1175/1520-
0442(1996)009<1043:QSOPR>2.0.CO;2.
Rueda-Roa, D. T., y F. E. Muller-Karger, 2013: The southern Caribbean upwelling
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
89
system: Sea surface temperature, wind forcing and chlorophyll concentration patterns.
Deep Sea Research Part I: Oceanographic Research Papers, 78,
https://doi.org/10.1016/j.dsr.2013.04.008.
Ruiz, M. A., y G. Bernal, 2009: Variabilidad estacional e interanual del viento en
los datos del Reanálisis NCEP/NCAR en la cuenca Colombia, mar Caribe. Avances
en Recursos Hidráulicos, 20, 7-20.
Ruiz-Barradas, A., J. A. Carton, y S. Nigam, 2000: Structure of interannual-to-
decadal climate variability in the tropical Atlantic sector. J. Climate, 13, 3285-3297,
https://doi.org/10.1175/1520-0442(2000)013<3285:SOITDC>2.0.CO;2.
Saha, S., y Coautores, 2010: The NCEP Climate Forecast System Reanalysis.
Bull. Amer. Meteor. Soc., 91, 1015-1057, https://doi.org/10.1175/2010BAMS3001.1.
________, y Coautores, 2014: The NCEP climate forecast system version 2. J.
Climate, 27, 2185-2208, https://doi.org/10.1175/JCLI-D-12-00823.1.
Salby, M. L., 1996: Fundamentals of atmospheric physics, 61, Academic Press,
627 p.
Serra, Y. L., G. N. Kiladis, y K. I. Hodges, 2010: Tracking and mean structure of
easterly waves over the Intra-Americas Sea. J. Climate, 23, 4823-4840,
https://doi.org/10.1175/2010JCLI3223.1.
Servain, J., y D. M. Legler, 1986: Empirical orthogonal function analyses of
tropical Atlantic sea surface temperature and wind stress: 1964–1979. J. Geophys.
Res.: Oceans, 91, 14181-14191, https://doi.org/10.1029/JC091iC12p14181.
Sheinbaum, J., 2003: Current theories on El Nino-southern oscillation: a review.
Geofísica Internacional, 42, 291-305.
Spence, J. M., M. A. Taylor, y A. A. Chen, 2004: The effect of concurrent sea‐
surface temperature anomalies in the tropical Pacific and Atlantic on Caribbean
rainfall. Int. J. Climatol., 24, 1531-1541, https://doi.org/10.1002/joc.1068
Stumpf, H. G., 1975: Satellite detection of upwelling in the Gulf of Tehuantepec,
Mexico. J. Phys. Oceanogr., 5, 383-388, https://doi.org/10.1175/1520-
0485(1975)005<0383:SDOUIT>2.0.CO;2.
Sutton, R. T., y M. R. Allen, 1997: Decadal predictability of North Atlantic sea
surface temperature and climate. Nature, 388, 563– 567.
6 Referencias
90
________, W. A. Norton, y S. P. Jewson, 2000: The North Atlantic Oscillation—
what role for the ocean? Atmos. Sci. Lett., 1, 89-100,
https://doi.org/10.1006/asle.2000.0018.
Tanaka, H. L., N. Ishizaki, y A. Kitoh, 2004: Trend and interannual variability of
Walker, monsoon and Hadley circulations defined by velocity potential in the upper
troposphere. Tellus A: Dynamic Meteorology and Oceanography, 56, 250-269,
https://doi.org/10.3402/tellusa.v56i3.14410.
Taylor, M. A., D. B. Enfield, y A. A. Chen, 2002: Influence of the tropical Atlantic
versus the tropical Pacific on Caribbean rainfall. J. Geophys. Res.: Oceans, 107,
https://doi.org/10.1029/2001JC001097.
Vázquez-Aguirre, J. L., 2007: Variabilidad de la precipitación en la República
Mexicana, Tesis de Maestría en Ciencias, Universidad Nacional Autónoma de
México, 110 p.
Verdin, A., C. Funk, B. Rajagopalan, y W. Kleiber, 2016: Kriging and local
polynomial methods for blending satellite-derived and gauge precipitation estimates
to support hydrologic early warning systems. IEEE Transactions on Geoscience and
Remote Sensing, 54, 2552-2562, https://doi.org/10.1109/TGRS.2015.2502956.
von Storch, H., y F. W. Zwiers, 2002: Statistical analysis in climate research.
Cambridge University Press, 495 p.
Vuille, M., y R. D. Garreaud, 2011: Ocean-atmosphere interactions on interannual
to decadal timescales. Handbook of Environmental Change, 1, 471-496.
Walker, G. T., 1923: Correlation in seasonal variations of weather IX. Mem. India
Meteor. Dept, 24, 275-332.
________, y E. W. Bliss, 1932: World weather. V. Mem. Roy. Meteor. Soc., 4, 53-
84.
Wallace, J. M., y D. S. Gutzler, 1981: Teleconnections in the geopotential height
field during the Northern Hemisphere winter. Mon. Wea. Rev., 109, 784-812,
https://doi.org/10.1175/1520-0493(1981)109<0784:TITGHF>2.0.CO;2.
________, C. Smith, y C. S. Bretherton, 1992: Singular value decomposition of
wintertime sea surface temperature and 500-mb height anomalies. J. Climate, 5, 561-
576, https://doi.org/10.1175/1520-0442(1992)005<0561:SVDOWS>2.0.CO;2.
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
91
Wang, C., y D. B. Enfield, 2001: The tropical Western Hemisphere warm pool.
Geophys. Res. Lett., 28, 1635-1638, https://doi.org/10.1029/2000GL011763.
________, y D. B. Enfield, 2003: A further study of the tropical Western
Hemisphere warm pool. J. Climate, 16, 1476-1493, https://doi.org/10.1175/1520-
0442-16.10.1476
________, 2004: ENSO, Atlantic climate variability, and the Walker and Hadley
circulations. In The Hadley Circulation: Present, Past, and Future. Springer
Netherlands, 173-202.
________, 2007: Variability of the Caribbean low-level jet and its relations to
climate. Climate Dyn., 29, 411-422, https://doi.org/10.1007/s00382-007-0243-z.
________, S. K. Lee, y D. B. Enfield, 2008: Climate response to anomalously
large and small Atlantic warm pools during the summer. J. Climate, 21, 2437-2450,
https://doi.org/10.1175/2007JCLI2029.1.
Waylen, P. R., C. N. Caviedes, y M. E. Quesada, 1996: Interannual variability of
monthly precipitation in Costa Rica. J. Climate, 9, 2606-2613,
https://doi.org/10.1175/1520-0442(1996)009<2606:IVOMPI>2.0.CO;2.
Whyte, F. S., M. A. Taylor, T. S. Stephenson, y J. D. Campbell, 2008: Features of
the Caribbean low level jet. Int. J. Climatol, 28, 119-128,
https://doi.org/10.1002/joc.1510.
Wilks, D. S., 2006: Statistical Methods in the atmospheric sciences. 2nd Ed.
International Geophysics Series, 91 p.
Zárate-Hernández, E., 2013: Climatología de masas invernales de aire frío que
alcanzan Centroamérica y el Caribe y su relación con algunos índices árticos. Top.
Meteor. Oceanogr., 12, 35-55.
6 Referencias
92
Variabilidad acoplada entre el viento y la temperatura superficial del mar en el Caribe y el Golfo de México
93
7 ANEXOS
ANEXO I
Porcentaje de aumento (valores positivos) o disminución (valores negativos) de la
precipitación y anomalías del campo de viento asociados con el primer modo acoplado en: a) noviembre, b) diciembre, c) enero, d) febrero, e) marzo y f) abril.
Datos de precipitación de ERA-Interim.
7 Anexos
94
ANEXO II
Ídem al Anexo I, pero para los meses de mayo(a), junio (b), julio (c), agosto (d), septiembre (e) y octubre (f).